Académique Documents
Professionnel Documents
Culture Documents
PAR
Mélissa BRETON-DUFOUR
MÉMOIRE
PRÉSENTÉ À L’ÉCOLE DE TECHNOLOGIE SUPÉRIEURE
COMME EXIGENCE PARTIELLEÀ L’OBTENTION DE LA MAÎTRISE
AVEC MÉMOIRE EN GÉNIE DE LA CONSTRUCTION
M. Sc. A.
LE 31 JANVIER 2017
Je tiens à remercier en premier lieu ma directrice Annie Poulin, qui a su respecter mon désir
de faire de la recherche, mais avec un caractère plus concret. Le projet du Mexique était pour
cette raison parfait puisqu’il a su me motiver à continuer en ayant eu l’opportunité de bien
saisir pourquoi des recherches en hydrologie étaient essentielles. Merci d’avoir été là, à
distance lorsque j’étais au Mexique, mais sans jamais me donner l’impression d’être à l’autre
bout du monde lorsqu’on se parlait, d’avoir été à ton bureau, au téléphone ou encore derrière
ton ordinateur lorsque je commençais à paniquer seule devant mes difficultés associées au
travail dans un environnement inconnu. Tu as su me donner jusque ce qu’il fallait d’aide pour
me prouver que j’étais capable de réussir dans n’importe quelle situation.
Je remercie Richard Arsenault, mon codirecteur, qui a très bien su s’intégrer au projet dès la
minute où il est arrivé. Ton expertise dans ce domaine m’a été d’une aide très précieuse et
essentielle, même lorsque tu t’es exilé dans le Nord. J’apprécie énormément le temps que tu
m’as consacré, même si ce n’était que par texto ou courriel très brefs, ils m’ont toujours été
d’une grande aide. Tu as été et resteras un modèle de réussite pour moi.
Toute la gang du DRAME, de loin ou de près, qui m’ont permis de lâcher mon fou, de
répondre à mes questions rapides, d’aller prendre une bière ou d’aller dîner. Toutes les
discussions que nous avons eues m’ont fait énormément cheminer et vont me manquer quand
je quitterai. Anna, Émilie, Martine, Mariana, Magali, la plus grosse et belle gang de filles de
l’ÉTS, merci pour tout. Merci particulier à Jean-Luc, qui malgré le fait que je chiale sans
cesse qu’il n’arrête pas de faire du bruit, a toujours eu du temps pour moi et surtout m’a
convaincu de faire ma maîtrise avec cette gang-là. Merci aussi de faire en sorte que la gang
du DRAME reste toujours unie et bruyante. Merci à Michel Baraer qui m’a guidé et ma
fournir les plans de ma station de mesure qui a été installé au Mexique. Sans ton aide, cette
station n’aurait en aucun cas pu être construite et installée.
Merci aussi à l’équipe de l’université Veracruzana au Mexique qui m’a accueilli durant trois
mois, qui ont été ma famille pendant ce temps, loin de Montréal. Mariana, Sara, Rabi, los
VI
mandos un grande abrazo y espero a regresar pronto a Xalapa para verlos. Sabes hay un lugar
por ustedes en mi casa para siempre.
Merci à mon amoureux, Rafaël, qui a toujours été là, qui m’a toujours poussé à ne jamais
abandonner, mais aussi à toujours donner le maximum de moi-même. Merci de m’avoir
laissé vivre cette expérience qui incluait un stage au Mexique, beaucoup de travail à la
maison et surtout un stress que je n’aurais pas pensé avoir. Merci d’avoir mis de côté, du
moins jusqu’à maintenant, certains rêves pour que je puisse réaliser mon objectif. Après ces
années passées ensemble, je ne suis pas du tout inquiète sur la quantité d’obstacle que nous
saurons contourner ensemble.
Finalement, merci à mon père et ma mère, qui n’ont jamais hésité à m’appuyer peu importe
le projet de fou que j’avais. Vous n’avez même pas hésité à me visiter lorsque j’étais au
Mexique, m’encourageant d’autant plus lorsque j’étais à distance. Dès que j’avais besoin
d’aide pour quoi que ce soit, vous étiez toujours présents et m’avez toujours aidé du mieux
que vous pouviez. Merci me m’avoir donné tous les outils nécessaires pour y arriver et
d’avoir cru en moi, même quand moi je n’y croyais plus. J’essaierais à l’avenir de vous
rendre ce que vous m’avez donné jusqu’à date, même si je doute que cela soit possible et de
vous appeler plus que 5 minutes par semaine, comme il m’arrivait de le faire par manque de
temps. Merci ma sœur, de toujours m’encourager et d’avoir acceptée de me voir moins
souvent puisque j’étais souvent prise à la dernière minute par mon projet.
ÉTUDE DE MÉTHODES DE RÉGIONALISATION DES PARAMÈTRES DES
MODÈLES HYDROLOGIQUES ET APPLICATION À UN BASSIN VERSANT
NON-JAUGÉ, AU MEXIQUE
Mélissa BRETON-DUFOUR
RÉSUMÉ
Dans le cadre de ce projet de recherche, l’objectif était de déterminer les apports en eau à un
bassin versant mexicain qui n’est pas muni de jauges hydrométriques, c’est-à-dire où aucune
donnée de débit n’est disponible. Sans de telles données, la modélisation hydrologique
traditionnelle sur des bassins versants dits non-jaugés n’est pas réalisable. Pour y parvenir,
quatre méthodes d’estimation des débits aux sites non-jaugés sont généralement utilisées. Ces
quatre méthodes sont connues sous l’appellation de « méthodes de régionalisation » et
permettent le transfert des données à partir de bassins jaugés vers des bassins non-jaugés.
Malgré plusieurs études réalisées sur le sujet, aucune méthode n’a été identifiée comme étant
la plus performante à grande échelle. Trois méthodes ont été retenues dans le cadre des
présents travaux, lesquelles reposent sur le transfert de paramètres des modèles
hydrologiques. La quatrième méthode, soit la régression linéaire multiple, s’est souvent
montrée inapte dans les conditions telles que celles qui sont rencontrées au Mexique et n’a
pas été considérée.
À la connaissance de l’auteure de ce mémoire, le Mexique n’a pas encore été l’objet de telles
études; ainsi, une première partie de ces travaux a été consacrée à tester l’applicabilité des
trois méthodes choisies sur un grand secteur se trouvant dans la partie centrale du Mexique.
Cet objectif a permis d’identifier l’approche à privilégier pour la régionalisation sur le bassin
versant non-jaugé visé par cette étude, soit celui de Naolinco. Ce bassin est d’importance
pour l’économie locale et régionale et est aux prises avec des problèmes de qualité et de
quantité d’eau.
Ce projet a permis de découvrir que les méthodes de régionalisation ne performent pas très
bien au Mexique, majoritairement dû à la qualité variable des données sur lesquelles les
simulations hydrologiques sont basées. Certaines parties du secteur à l’étude ont cependant
démontré des résultats très satisfaisants en régionalisation des paramètres par proximité
spatiale avec un nombre de bassins donneurs supérieur à un, et ce peu importe lequel des
trois modèles hydrologiques considérés (MOHYSE, GR4J et HSAMI) est utilisé. Il faut
mentionner que pour les bassins sur lesquels les modèles hydrologiques étaient en mesure de
bien reproduire les débits observés (étape de calibration), les performances en régionalisation
étaient généralement très bonnes, démontrant ainsi l’importance qui doit être accordée au
choix du modèle hydrologique utilisé et au nettoyage initial des données de base.
Mélissa BRETON-DUFOUR
ABSTRACT
The current project aims to determine and recreate historic flows on a Mexican basin that is
not equipped with a hydrometric gauge. Such catchments, referred to as ungauged
catchments, are impossible to model adequately because of a lack of reference to calibrate
hydrologic models. To overcome this problem, methods to estimate streamflow on ungauged
sites were developed. These methods, aptly named “regionalization” methods, attempt to
transfer information from gauged sites in the same region to the ungauged site in order to
estimate streamflow values. Four methods are typically used and provide different results.
Unfortunately, no single method is consistently better than the others on all sites. Therefore
this study compares three of the four methods which are based on hydrological model
parameter transfer. The fourth method, based on multiple linear regressions, was not
considered due to being historically inaccurate in conditions facing the catchment in this
study.
Since, to the author’s knowledge, no regionalization study has ever been performed in
Mexico, the first part of the project was to apply and compare the regionalization methods in
the study region, namely in central Mexico. This allowed finding the method which was most
likely to succeed on the target site. The site is the Naolinco basin in Mexico which is a local
and regional economic powerhouse and is currently subject to water quality and quantity
problems.
The findings of this research project show that regionalization methods in general are not
applicable to catchments in Mexico, mostly due to the poor hydrometeorological network
and data quality. Some regions were found to be more robust to regionalization, with the
spatial proximity regionalization method slightly edging out the others and when multiple
donor catchments were used. This holds true for all three models used (MOHYSE, GR4J and
HSAMI). It is important to note that in cases where model calibration was successful,
regionalization approaches were generally good. This shows that it is essential to carefully
select the hydrological model and ensure that the model input data is as error-free as possible.
INTRODUCTION .....................................................................................................................1
CHAPITRE 3 MÉTHODOLOGIE....................................................................................37
3.1 Survol de la méthodologie ...........................................................................................37
3.2 Acquisition et nettoyage des données ..........................................................................39
3.2.1 Manipulation des données brutes .............................................................. 39
3.3 Description des modèles hydrologiques ......................................................................42
3.3.1 MOHYSE .................................................................................................. 43
3.3.2 GR4J ......................................................................................................... 43
3.3.3 HSAMI ...................................................................................................... 44
3.4 Calibration....................................................................................................................44
3.5 Régionalisation ............................................................................................................46
3.5.1 Régionalisation par proximité spatiale...................................................... 47
3.5.2 Régionalisation par similitude physique ................................................... 47
3.5.3 Régionalisation intégrée............................................................................ 48
3.5.4 Combinaison des bassins versants donneurs et nombre de donneurs
optimal ...................................................................................................... 48
3.5.5 Transposition de site non-jaugé par rapport des superficies ..................... 49
3.6 Application des résultats sur le site non-jaugé de Naolinco ........................................50
XII
CONCLUSION ........................................................................................................................95
Page
Tableau 4.2 Statistiques sur le critère de performance NSE pour les différentes
calibrations des modèles GR4J, HSAMI et MOHYSE sur les 91
bassins versants étudiés..............................................................................60
Tableau 4.3 Statistiques sur les performances des modèles GR4J, HSAMI et
MOHYSE en régionalisation par proximité spatiale, lorsque les 91
bassins versants à l’étude sont considérés à tour de rôle comme
pseudo non-jaugés ......................................................................................64
Page
Figure 2.1 Carte du Mexique représentant le secteur à l’étude ainsi que les
bassins versants étudiés..............................................................................22
Figure 2.4 Carte des précipitations moyennes annuelles pour chaque bassin
versant à l'étude ..........................................................................................27
Figure 2.5 Carte des lames de ruissellement moyennes annuelles selon les
stations hydrométriques des débits non-reconstruits .................................28
Figure 3.4 Région hydrologique d’Actopan qui servira pour la transposition des
débits par la méthode du rapport des superficies pour la combinaison
des bassins 28188, 28030, 28105, 28086 et 28108 ainsi que 28133,
28134, 28125 et 28003 ...............................................................................50
Figure 4.1 Exemple de débit aberrant dans les stations hydrométriques à l'étude ......54
Figure 4.2 Exemple de cassure évidente dans la prise de mesure d'une station
hydrométrique ............................................................................................55
Figure 4.6 Répartition spatiale des valeurs de NSE en calibration sur les 91 bassins
versants étudiés pour les modèles hydrologiques GR4J, HSAMI et
MOHYSE avec l’ensemble des simulations dont les performances sont
inférieures à 0.1 sont de couleur pâle; la carte au bas à droite montre la
localisation du secteur à l’étude sur le territoire du Mexique ....................61
Figure 4.7 Performance des modèles hydrologiques sur les différents bassins
versants en fonction de la superficie des bassins, la ligne pointillée
rouge représentant la limite pour qu’une simulation soit considérée
comme bonne .............................................................................................62
Figure 4.10 Boîtes à moustaches montrant les résultats pour le critère FO obtenus
pour les différentes simulations en régionalisation par similitude
physique à l’aide des modèles hydrologiques GR4J, HSAMI et
MOHYSE et en fonction des différents descripteurs utilisés pour le
transfert des paramètres pour un seul bassin versant donneur ...................67
Figure 4.11 Analyse Kruskal Wallis pour les différents types de descripteurs
physiques pour chacun des trois modèles hydrologiques pour tous les
bassins pseudo non-jaugés avec un seul bassin versant donneur ...............68
Figure 4.12 Analyse Kruskal Wallis pour les trois méthodes de régionalisation
intégrée (méthodes 1 à 3) et pour la régionalisation par proximité
spatiale (méthode 4), tous modèles hydrologiques confondus, pour
un seul bassin versant donneur ..................................................................71
Figure 4.13 Boîtes à moustaches des performances pour le critère FO issues des
simulations par les trois méthodes de régionalisation intégrée (méthodes
1 à 3) et par la méthode de proximité spatiale(méthode 4), à l’aide des
modèles hydrologiques GR4J, HSAMI et MOHYSE................................72
Figure 4.14 Boîtes à moustaches des performances pour le critère FO issues des
simulations en régionalisation par proximité spatiale avec des nombres
de bassins versants donneurs variant de 1 à 15, à l’aide des modèles
hydrologiques GR4J, HSAMI et MOHYSE ..............................................74
Figure 4.16 Boîtes à moustaches des performances pour le critère FO issues des
simulations en régionalisation par proximité spatiale avec des
nombres de bassins versants donneurs variant de 1 à 15, à l’aide des
modèles hydrologiques GR4J, HSAMI et MOHYSE, lorsque seulement
les simulations dont les performances étaient supérieures à NSE=0
ont été considérées. ....................................................................................76
Figure 4.17 Seuil de retenue d'eau sur la rivière Naolinco pour le soutirage de l'eau...78
Figure 4.18 Station de mesure des niveaux d’eau installée sur le parcours de la
rivière Naolinco .........................................................................................78
XX
Figure 4.19 Simulation des débits sur le bassin versant de la rivière Naolinco en
utilisant une moyenne arithmétique des séries de débit obtenues
suite au transfert de paramètres suivant la méthode de régionalisation
par proximité spatiale; cinq donneurs ont été considérés pour le modèle
MOHYSE, et six donneurs ont été considérés pour le modèle de GR4J et
sept donneurs ont été considérés pour le modèle HSAMI .........................79
LISTE DES ABRÉVIATIONS, SIGLES ET ACRONYMES
FO Fonction objectif
L’hydrologie est la science qui étudie les processus liés au cycle hydrologique et sur laquelle
repose, très souvent, la prise de décision en gestion de l’eau. Cette dernière passe par le
calcul des quantités d’eau ainsi que l’analyse de la qualité de l’eau. Le Mexique est un pays
qui fait souvent face aux phénomènes extrêmes, notamment aux inondations, en raison de ses
côtes bordées par l’Océan Pacifique et le Golfe du Mexique d’où proviennent des cyclones
tropicaux. D’autres régions du pays, plus arides, sont aux prises avec des problèmes
d’alimentation en eau, en particulier lors de la saison sèche. Bien que l’accès à l’eau potable
pour tous soit important, la disponibilité est très inégale à l’intérieur des frontières
mexicaines. Dans les régions où la qualité de l’eau est un enjeu majeur, la quantité d’eau joue
un grand rôle puisque la qualité de l’eau est liée aux quantités d’eau disponibles. La
modélisation hydrologique, ayant pour but la simulation de débits, est primordiale dans
l’exercice des prévisions et donc des calculs de quantités d’eau disponibles sur certaines
régions. Les connaissances liées à la modélisation hydrologique font partie des moyens
permettant de réduire la vulnérabilité de la population face aux enjeux liés à l’eau.
Dans certains secteurs du pays, les installations actuellement en place, notamment les stations
météorologiques et les stations hydrométriques, sont soit désuètes, inactives ou simplement
non disponibles. Il devient donc essentiel d’utiliser d’autres techniques pour être en mesure
de bien comprendre le cycle hydrologique sur l’ensemble du territoire. Sans données de
débits, entre autres, il est très difficile d’évaluer concrètement les quantités d’eau disponibles
sur un territoire ou encore de mettre de l’avant des mesures visant à réduire la vulnérabilité.
Le travail sera divisé de manière à comprendre l’ensemble des étapes qui ont été réalisées
pour mener à bien cette étude, mais aussi pour encadrer les démarches dans la littérature.
Plus particulièrement, le chapitre 1 présente une revue de la littérature montrant certains des
ouvrages les plus pertinents concernant la modélisation hydrologique au Mexique et les
méthodes de simulation en bassins versants non-jaugés, tandis que le chapitre 2 servira à
décrire le secteur à l’étude. Au chapitre 3, la méthodologie de travail sera introduite, suivie
des résultats obtenus lors de la recherche au chapitre 4. Finalement, au chapitre, 5 une
discussion sur les observations en lien avec les résultats obtenus sera présentée.
CHAPITRE 1
REVUE DE LITTÉRATURE
Ce chapitre a pour but de présenter la littérature scientifique qui s’intéresse aux questions
liées à la prévision hydrologique aux sites non-jaugés au Mexique. La modélisation
hydrologique, les spécificités du territoire mexicain ainsi que les diverses approches de
régionalisation y sont traitées.
L’hydrologie est la science qui étudie les phénomènes relatifs au cycle de l’eau via
l’interaction entre l’atmosphère, la surface terrestre et le sous-sol. Cette science est utile à des
fins diverses telles que l’estimation des débits en rivière, le contrôle et le développement de
bassins de rétention et de réservoirs hydroélectriques ainsi que la conception de différents
ouvrages de retenue (Singh & Frevert, 2004). La modélisation hydrologique consiste en
l’utilisation de modèles mathématiques qui représentent les divers processus du cycle
hydrologique dont la précipitation, le ruissellement, l’évapotranspiration, l’infiltration,
l’accumulation et la fonte de neige, la recharge et le drainage de la nappe, le routage en
rivière et le gel du sol (Singh & Woolhiser, 2002). Plusieurs types de modèles hydrologiques
ont été conçus pour reproduire ces processus, ayant majoritairement comme objectif de
pouvoir simuler efficacement les débits d’un bassin versant en se basant sur des informations
de natures climatologique et physiographique.
Différents auteurs (Pechlivanidis, et al., 2011; Singh & Woolhiser, 2002) font état de
différents types de classification des modèles hydrologiques, entre autres selon leur structure,
selon leur degré de spatialisation des processus hydrologiques simulés, selon qu’ils soient
stochastiques ou déterministes, ou encore selon leur application spatiale (la superficie
maximale applicable par bassin versant analysé) ou temporelle (simulation continue ou
événementielle). Au moment de choisir le modèle qui sera utilisé dans le cadre d’un projet de
recherche, il est important de s’assurer d’identifier un modèle dont les informations
4
nécessaires pour son application sont disponibles et de s’assurer que le modèle réponde bien
aux objectifs poursuivis par l’étude. Deux principales classifications des modèles sont
présentées ci-après, soit en fonction de leur structure et en fonction de leur degré de
spatialisation. Par la suite, un survol des études hydrologiques ayant eu lieu au Mexique est
présenté.
Suivant cette classification, les modèles peuvent être regroupés en trois types. Un modèle
hydrologique global est un modèle qui considère comme en une seule unité spatiale
l’ensemble du bassin versant étudié. Les caractéristiques du bassin versant ainsi que les
paramètres du modèle seront les mêmes pour toute la superficie étudiée. Ces modèles ne
prennent pas en considération la variabilité spatiale des caractéristiques et utilisent plutôt une
moyenne pour représenter le bassin versant (Beven, 2011; Singh, 1995). À l’inverse, un
modèle distribué permet d’incorporer la variabilité spatiale du bassin versant en ce qui a trait
notamment à l’utilisation du sol et aux caractéristiques du sol (Carpenter & Georgakakos
2006). Les bassins versants sont séparés en carreaux ou en unités dont les caractéristiques
locales sont similaires et chaque unité est vue comme un sous-bassin. Finalement, des
modèles qualifiés de semi-distribués peuvent aussi être utilisés. Ces modèles ont l’avantage
de bien représenter les caractéristiques du bassin sans toutefois demander autant de données
et de temps de calcul que les modèles distribués (Pechlivanidis et al., 2011).
l’acquisition de données à une résolution suffisante peut venir rapidement contrer le bénéfice
apporté (Carpenter & Georgakakos 2006). Un modèle global permet d’obtenir les débits
uniquement à l’exutoire du bassin versant tandis que la plupart des modèles distribués
permettent de connaître les débits en divers points du réseau hydrographique du bassin
étudié. Dans un pays comme le Mexique où la quantité de données disponible est hétérogène,
l’application des modèles distribués peut s’avérer compliquée et c’est pourquoi les modèles
globaux auront été préconisés dans le cadre de ces travaux.
Les modèles conceptuels sont des modèles où certains paramètres n’ont aucune interprétation
physique, et ne peuvent donc pas être mesurés indépendamment. Ils impliquent la mise en
place d’un processus de calibration visant à ajuster les valeurs des paramètres (voir la section
1.2 ci-après pour plus de détails concernant la calibration). Ces modèles sont aussi conçus sur
le principe que leur structure est spécifiée avant que toute modélisation ne soit complétée
(Pechlivanidis et al., 2011). Leur structure est souvent composée de réservoirs qui
schématisent différents processus hydrologiques et leur complexité varie énormément.
Les modèles physiques, quant à eux, utilisent les équations de mouvement et de continuité
pour représenter les différents processus du cycle hydrologique. En théorie, un modèle
physique est construit de manière à ce que l’ensemble de ses paramètres soit mesurable et
devrait pouvoir être utilisé sans calibration (bien que ce ne soit pas possible en pratique;
Beven, 2011). L’information sur laquelle reposent ces modèles provient majoritairement
d’essais en laboratoire (permettant de connaître la nature des sols ou ces propriétés
physiques) ou de campagnes d’acquisition de données au site d’étude, et cette information est
ensuite extrapolée à plus grande échelle. Bien qu’en théorie, les modèles physiques ne
requièrent que des données mesurables, lorsque considérées à l’échelle des bassins versants
entiers, ces données qui ne sont mesurées que ponctuellement ne permettent pas de connaître
entièrement l’hétérogénéité du bassin versant (Wheater, 2002).
Un modèle hybride est un modèle qui regroupe les autres types de structures dans un même
modèle. Ce type de modèle a comme avantage de combiner les forces de chacune des
structures, notamment pour simplifier et améliorer les étapes de calibration. Considérant que
la mise en place d’un modèle strictement physique est pratiquement impossible à l’échelle
d’un bassin versant, certains modèles tels que Soil and Water Assessment Tool (SWAT;
Arnold, Allen & Bernhardth, 1993) ou encore HYDROTEL (Fortin et al., 2001a, b) sont
plutôt de type hybride physique. Cela simplifie la structure du modèle en représentant
certains des processus physiques de manière conceptuelle lorsque les données sont
difficilement mesurables (Pechlivanidis et al., 2011).
7
Les études publiées dans la littérature scientifique sur l’hydrologie au Mexique sont
généralement récentes. Étant donné que le pays est sensible aux phénomènes hydrologiques
extrêmes (Arreguin-Cortes & Lopez-Perez, 2013), les chercheurs mexicains ont
principalement concentré leurs efforts sur l’étude des inondations ainsi que de l’impact des
changements climatiques sur les ressources en eau. Les phénomènes climatiques extrêmes
connus au Mexique (notamment les tempêtes tropicales) causent un problème dans
l’acquisition des données hydrométéorologiques, par l’endommagement des stations qui les
rend difficilement utilisables pour la modélisation hydrologique.
Martínez-Austria et al. (2014) ont mis à l’échelle des projections climatiques issues de
modèles de circulation générale pour étudier le changement climatique dans la région Nord-
Ouest du Mexique. Ils proposent une méthode alternative aux méthodes généralement non-
paramétriques d’analyse des résultats telles que le test statistique de Mann Kendall ou l'es
corrélations de Spearman et sont arrivés à la conclusion d’une tendance à la hausse dans les
températures, mais sans changement majeur dans les précipitations. Velazquez et al. (2015)
ont testé deux modèles hydrologiques (SWAT; Arnold et al., 1993) et Génie Rural à 4
paramètres Journalier (GR4J; Perrin, Michel & Andreassian, 2003) sur le bassin Tampaon
situé dans le centre est du Mexique. Ces deux modèles ont montré des résultats satisfaisants
pour la simulation des débits journaliers sur une période de 14 ans de données, SWAT
affichant une meilleure performance que GR4J pour la reproduction du débit mensuel
moyen. En vérifiant les impacts en contexte de changements climatiques, les deux modèles
prédisent une baisse des débits lorsqu’alimentés par le modèle canadien de climat (CGCM3).
Pour être en mesure de faire une modélisation hydrologique réaliste et valide, il faut que les
données hydrométriques et météorologiques soient disponibles sur une période temporelle
suffisamment longue (selon les objectifs poursuivis par la modélisation). Lorsque ces
données sont disponibles sur une période trop courte pour les besoins de l’étude nécessitant
la modélisation, ou encore lorsque les données ne sont pas facilement accessibles, les bassins
concernés sont considérés comme des bassins versants non-jaugés. Dans le cas contraire, on
parlera de bassins versants jaugés. Traditionnellement, les modèles hydrologiques doivent
être calibrés pour pouvoir être utilisés. Le processus de calibration vise à ajuster les
paramètres d’un modèle, de façon à ce que ce dernier reproduise le plus fidèlement possible
des données historiques observées (le plus souvent les débits à l’exutoire d’un bassin). Cette
calibration se base sur différentes métriques de performance telles que le coefficient de Nash-
Sutcliffe (NSE; Nash & Sutcliffe, 1970), décrit à l’équation (1.1).
∑ ( − ) (1.1)
=1−
∑ ( − )
Où i est le nombre de données de débits qui servira au calcul, Qio les débits observés
individuels, Qis, les débits simulés et la moyenne des débits observés.
permettent de faire des modélisations hydrologiques fiables aux sites non-jaugés. Cependant,
puisque les méthodes reposent sur le transfert d’information à partir de bassins versants
jaugés (et donc différents), les techniques de régionalisation ne sont pas universelles et
doivent être testées sur le secteur d’étude afin d’identifier la méthode à privilégier (Razavi &
Coulibaly 2013). Puisque l’accès à des données homogènes et complètes est particulièrement
problématique sur le territoire du Mexique, les études de régionalisation peuvent être une
option profitable quand il est question de prévision des débits.
Les études rapportées dans la littérature scientifique se sont principalement concentrées sur
trois différentes méthodes pour la régionalisation des paramètres des modèles hydrologiques,
soit (1) par proximité spatiale, (2) par similitude physique ou encore (3) par régression
linaire. Tel qu’évoqué précédemment, la régionalisation se base sur des données issues de
bassins versants jaugés, dont les performances en modélisation hydrologique sont fiables et
ont été préalablement vérifiées, afin de procéder à la modélisation hydrologique sur des
bassins versants non-jaugés. Il doit exister une ressemblance entre le(s) bassin(s) jaugé(s) et
le bassin non-jaugé, laquelle peut se situer tant au niveau de la localisation qu’au niveau
d’attributs physiques. Différentes études ont par ailleurs démontré la pertinence d’utiliser
plus d’un bassin versant jaugé lors de la régionalisation pour arriver à des résultats de bonne
qualité. Plus de 70 études ont été publiées sur le sujet. (Hrachowtiz et al., 2013; He, Bardossy
& Zehe, 2011; Parajka et al., 2013; Razavi & Coulibaly 2013). Razavi & Coulibaly (2013)
les ont recensées et regroupées en 2 catégories, soit (1) les études utilisant des méthodes
dépendantes du modèle hydrologique, et (2) les études utilisant des méthodes indépendantes.
Un aperçu de la revue de Razavi & Coulibaly (2013) sera présenté dans les paragraphes
suivants, de même que le seront d’autres études en régionalisation qui ont obtenu des
résultats utiles.
10
Cette technique demande aussi un temps considérable en calcul pour s’assurer d’une bonne
réussite de la méthode.
La régionalisation par régression est l’une des plus anciennes méthodes de régionalisation
des paramètres. Cette méthode consiste à mettre en lumière des relations liant les descripteurs
physiques, morphologiques ou climatiques des bassins versants aux paramètres calibrés du
modèle hydrologique utilisé (Oudin et al., 2008). Pour que cette méthode fonctionne bien, il
doit exister une relation fiable entre la valeur des paramètres et les caractéristiques du bassin,
et les descripteurs doivent permettre de bien comprendre le comportement des bassins
versants non-jaugés.
Kokkenan et al. (2003) ont utilisé une méthode plus globale qui consiste à déterminer la
variabilité des paramètres d’un grand secteur d’étude avant d’exploiter ces informations en
prédiction pour de plus petites régions tout en conservant l’interrelation entre les paramètres
du modèle hydrologique. Ils ont établi que, lorsque des bassins sont semblables sur le plan
hydrologique, l’ensemble complet de paramètres devrait être transféré entre un bassin jaugé
et un bassin non-jaugé plutôt que de chercher des relations pour chacun des paramètres
individuellement. Selon cette étude, le paramètre de l’élévation moyenne du bassin versant
est un paramètre qui apporte beaucoup d’information quant au comportement hydrologique
des bassins versants Coweeta situés en Caroline du Nord. Cette méthode s’est aussi avérée
concluante dans des secteurs semi-arides et plats (Bloschl et al., 2013), ce qui n’est pas
représentatif du secteur à l’étude. La régression linéaire multiple demande aussi beaucoup
d’information pour fournir des résultats satisfaisants (He et al., 2011) données qui sont très
souvent non disponibles au Mexique. Arsenault et al. (2014) ont proposé une méthode
alternative à la régression linéaire, où au lieu de prendre l’ensemble du jeu de paramètres
pour faire les régressions, seuls les paramètres dont le coefficient de détermination serait
élevé seront transférés au bassin non-jaugé, tandis que les autres seront issus d’une
régionalisation par proximité spatiale ou similitude physique. Dans un secteur neigeux où
12
268 bassins sont étendus sur le territoire du Québec en entier, cette méthode a permis
d’améliorer les résultats de régionalisation significativement, mais a ajouté un degré
d’incertitude supérieur à la modélisation.
Cette méthode est la plus simple à mettre en pratique. L’hypothèse derrière cette approche est
qu’un bassin jaugé et un bassin non-jaugé spatialement rapprochés devraient, en théorie,
avoir des caractéristiques physiques similaires et que tous deux devraient réagir de la même
manière aux événements météorologiques. Cette méthode consiste en premier lieu à identifier
les bassins versants jaugés les plus rapprochés spatialement du bassin versant non-jaugé. Ces
bassins versants deviendront les bassins versants « donneurs », soient les bassins versants
jaugés qui serviront pour le transfert de jeux de paramètres pour la modélisation
hydrologique sur le bassin non-jaugé. Chaque jeu de paramètres aura été préalablement
trouvé par calibration d’un bassin versant jaugé à l’aide d’un modèle hydrologique. Le jeu de
paramètres sera en deuxième lieu appliqué au nouveau bassin versant non-jaugé et sa
performance sera testée par différentes métriques de performance telles que le NSE. Une
schématisation de cette méthode est présentée à la Figure 1.1.
Les flèches, dans la Figure 1.1, représentent les distances calculées à partir des centroïdes de
trois bassins versants jaugés; les distances entre chacun des bassins et le bassin non-jaugé, à
droite de l’image, sont identiques. Pour déterminer les bassins les plus près spatialement, la
distance euclidienne est préconisée. Cette distance est calculée entre les centroïdes des
bassins versants tel que démontré à l’équation (1.2).
= ( − ) +( − ) (1.2)
Où d est la distance entre les centroïdes et (XG, YG) et (XU, YU) sont respectivement les
coordonnées des centroïdes des bassins versants jaugé et non-jaugé. Plusieurs études ont
13
utilisé cette méthode dans leur comparaison des meilleures approches pour la régionalisation
des paramètres, tel que décrit dans les paragraphes suivants.
Oudin et al. (2008) ont conclu que, pour 913 bassins français, la méthode de proximité
spatiale par la distance euclidienne performait de manière plus satisfaisante que n’importe
quelle autre méthode, mais que les performances de celle-ci étaient largement inférieures à la
calibration complète d’un modèle hydrologique. Cette dernière conclusion est tout à fait
légitime puisque la calibration est basée sur l’ensemble de l’information disponible donc est
par définition la meilleure performance qu’il est possible d’atteindre pour les bassins. Tout
comme Oudin et al. (2008), d’autres études ont trouvé que la régionalisation par proximité
spatiale procurait généralement de bons résultats lorsque le secteur à l’étude disposait d’un
réseau dense de bassins versants (Merz & Bloschl, 2004; Paparakja et al 2005). Dans un
14
secteur dense de bassins versants, les ensembles de paramètres devraient être sensiblement
égaux ou sont jugés comme étant différents simplement en raison de facteurs aléatoires
(Viviroli et al., 2009) ou encore de l’équifinalité possible des jeux de paramètres d’un modèle
hydrologique (Arsenault & Brissette, 2014). L’équifinalité se définit comme étant le fait
d’avoir plusieurs jeux de paramètres optimaux, qui donnent tous des résultats acceptables au
niveau de la calibration ou de la validation des modèles hydrologiques (Beven, 2006).
L’étude d’Oudin et al. (2008) a permis l’émergence d’une autre méthode alternative aux
méthodes traditionnelles, soit la régionalisation intégrée, qui est en fait la mise en commun
des méthodes de régionalisation par proximité spatiale et par similitude physique, où la
latitude et la longitude serviront de descripteurs pour le transfert de paramètres. Cette
méthode est décrite à la section 1.2.2.3 du présent chapitre. Malgré un réseau de bassins
versants dense, McIntyre et al. (2005) ont trouvé que la méthode par proximité spatiale d’un
seul donneur performait le moins bien comparativement aux autres méthodes puisque la
géologie du secteur à l’étude variait considérablement, rendant fausse l’hypothèse que les
caractéristiques des bassins rapprochés spatialement sont homogènes.
Chaque bassin versant possède des caractéristiques physiques qui lui sont propres. Qu’il
s’agisse des sols qui le composent, de l’utilisation du sol, de sa superficie, de sa pente ou
encore de son altitude moyenne, chacune des caractéristiques a une influence sur les schémas
d’écoulement ainsi que sur la réponse hydrologique d’un bassin versant. La méthode de
régionalisation basée sur la similitude physique repose sur l’hypothèse que les bassins dont
les caractéristiques physiques sont similaires devraient réagir de la même façon, et donc que
des sites jaugés devraient bien décrire les comportements hydrologiques de sites non-jaugés
similaires. La Figure 1.2 montre la même schématisation que la Figure 1.1, mais avec les
bassins versants de forme losange comme étant les donneurs de paramètres puisque ceux-ci
sont physiquement similaires au bassin versant non-jaugé à droite.
15
Plusieurs descripteurs (ou caractéristiques physiques ou climatiques) ont été utilisés dans la
littérature pour représenter les caractéristiques des bassins versants. Razavi & Couliably
(2013) ont établi un registre des différents descripteurs physiques utilisés ainsi que le nombre
de fois où ceux-ci ont été retenus dans les études considérées. Leurs travaux permettent de
constater que le choix des descripteurs qui serviront dans le transfert des paramètres varie
beaucoup d’une étude de régionalisation à l’autre. Globalement, les descripteurs le plus
fréquemment utilisés sont les informations physiographiques, telles que l’aire de drainage,
l’élévation moyenne et la pente du bassin ou du cours d’eau principal, ainsi que les attributs
météorologiques comme les moyennes annuelles ou journalières des précipitations et des
températures. Certains autres descripteurs sont utilisés moins souvent tels que les
pourcentages de superficie recouverte par les différents types d’utilisation du sol, le centroïde
des bassins, l’évaporation moyenne annuelle ou la hauteur de neige moyenne annuelle
(Razavi & Coulibaly, 2013).
16
Lorsque les caractéristiques de l’ensemble des bassins versants jaugés et non jaugé ont été
trouvées, un indice de similitude est calculé. Celui-ci repose sur le rapport entre, d’une part,
les distances normalisées entre les caractéristiques des bassins jaugés et non jaugé, et, d’autre
part, l’espace total de chacune des caractéristiques considérées. Le calcul est repris entre
chaque bassin jaugé et le bassin non jaugé, et chacune des valeurs de distance θ obtenue sera
ensuite considérée pour le transfert de paramètres (Burn & Boorman, 1993). La formule est
décrite à l’équation (1.3).
| − | (1.3)
=
∆
Où les CDi sont les valeurs du descripteur i pour un bassin jaugé (G) et le bassin non jaugé
(U), k est le nombre de descripteurs physiques pris en compte, et ΔCDi est la plage de valeurs
disponibles pour le descripteur physique i, soit la valeur maximale moins la valeur minimale.
De la même façon que pour la proximité spatiale, le donneur dont l’indice de similitude sera
le plus petit servira pour le transfert des paramètres sur le bassin versant non-jaugé.
Dépendamment du nombre de caractéristiques disponibles pour les bassins versants, un ou
plusieurs descripteurs peuvent être utilisés selon ce qui donne les meilleurs résultats lorsque
les essais de régionalisation sont effectués.
Pour une région à l’étude avec des données clairsemées, Reichl et al. (2009) ont trouvé
qu’une bonne connaissance préalable des caractéristiques du bassin pouvait mener à une
régionalisation par similitude physique concluante lorsque sept descripteurs étaient utilisés et
que cette méthode était plus performante que la proximité spatiale. Tout comme Reichl et al.
(2009), Oudin et al. (2010) ont trouvé que les processus hydrologiques et les descripteurs
physiques ont des relations plus complexes que l’hypothèse simple derrière cette méthode de
régionalisation et qu’une bonne connaissance des descripteurs est inévitable pour donner de
bons résultats. Wagener et al. (2007) ont prouvé l’importance d’une bonne classification des
bassins versants pour assurer des simulations concluantes. L’avantage de transférer les
groupes de paramètres entièrement entre les bassins versants plutôt que par des relations
17
individuelles, comme pour la régression multiple (décrite à la section 1.2.2.5 ci-après), a été
démontré dans plusieurs études, puisque cela a comme avantage de conserver l’intégrité de
l’ensemble des paramètres du modèle hydrologique (McIntyre et al., 2005; Parajka et al.,
2005; Oudin et al., 2010). L’élévation moyenne des bassins versants est considérée comme
étant un descripteur important à considérer dans l’analyse par similitude physique puisque
celui-ci a un impact sur plusieurs processus hydrologiques et climatiques (Parajka et al.,
2013). L’élévation du Mexique étant très variable, ce paramètre sera attentivement analysé
dans le présent rapport.
Oudin et al. (2008) ont trouvé que, bien que globalement la proximité spatiale donnait de
meilleurs résultats que la similitude physique, ce n’était pas systématiquement le cas pour
l’ensemble des bassins testés. Leurs travaux ont également montré que l’ajout de la latitude
et de la longitude dans le calcul de l’indice de similitude, au même degré que les autres
descripteurs physiques, pouvait apporter des résultats significativement meilleurs. Cette
approche constitue une intégration entre la méthode de similitude physique et la méthode de
proximité spatiale. La latitude et la longitude deviennent donc des descripteurs au même titre
que les autres et sont ajoutées à l’indice de similitude, pour identifier les bassins versants
jaugés les plus près du bassin versant non-jaugé. Suite à cette étude, la régionalisation
intégrée est de plus en plus utilisée et démontre des résultats intéressants (Arsenault &
Brissette, 2014; Samuel et al., 2011; Zhang & Chiew, 2009).
Plusieurs études ont montré que d’utiliser plus d’un donneur, lors du transfert des paramètres,
pouvait être bénéfique (Arsenault & Brisette, 2014; Oudin et al., 2008; Reichl et al., 2009;
Samuel et al., 2011; Zhang & Chiew, 2009). Différentes techniques sont possibles pour
travailler avec des donneurs multiples. En premier lieu, l’approche à donneurs multiples a été
testée en utilisant le moyennage des paramètres issus de plusieurs donneurs (Oudin et al.,
2008). Le traitement se fait donc préalablement au calcul du débit pour le bassin non-jaugé.
18
De plus, utiliser les jeux de paramètres complets et de faire la moyenne des hydrogrammes
simulés, plutôt que de prendre les moyennes des paramètres, vient aussi éviter les problèmes
soulevés par l’équifinalité et l’interdépendance des paramètres, ignorés dans la
régionalisation par régression linéaire multiple (Arsenault & Brissette, 2014).
Certaines techniques de base pour déterminer le débit d’une superficie non-jaugée sont
indépendantes du modèle hydrologique. Elles partent du principe que le débit est directement
lié à certaines caractéristiques physiques telles que la superficie de drainage. Ces techniques
sont basés simplement sur des débits connus environnants aux sites non-jaugés et ne
demandent aucune modélisation hydrologique pour obtenir les débits.
19
Lorsque des bassins versants sont imbriqués l’un dans l’autre ou que la station hydrométrique
n’est pas localisée à l’exutoire d’un bassin versant, la mise à l’échelle simple des débits
simulés en fonction du rapport des aires devrait pouvoir simuler de façon adéquate les débits
sur la partie non jaugée.
Schreider et al. (2002) ont utilisé une technique qui prend comme hypothèse que la
contribution de chaque sous-bassin sur la quantité d’eau totale est proportionnelle à un indice
topographique. Le bassin versant est séparé en petite cellule contributrice. Cet indice utilise
l’aire de drainage, la largeur de la cellule ainsi que la pente moyenne, de la façon
suivante pour déterminer cette contribution:
(1.4)
1
= ln
∅
Où Aj est l’aire de drainage contribuant à la cellule j, lj est la largeur de chaque cellule, Øj est
la pente de la cellule et n est le nombre total de cellules considéré. La transposition des débits
du bassin versant au sous-bassin non jaugé se fait par la relation / où Ω est l’indice
topographique pour l’ensemble du bassin versant. Cette méthode s’est montrée concluante
lorsqu’utilisée dans le module de perte non linéaire du modèle conceptuel IHACRES.
Une autre méthode très répandue pour transposer des débits en sites non jaugés est un
transfert de données entre bassins versants selon un rapport des aires de drainage (Anctil et
al., 2012) et se calcule tel qu’énoncé à l’équation (1.5). Cette formule sera appelée ci-après la
formule de base par rapport des superficies.
20
(1.5)
= ∗
SECTEUR À L’ÉTUDE
Cette section présentera le secteur d’étude qui a été considéré dans ces travaux. La
localisation et la description physiographique des bassins versants ainsi que la description des
données hydrométéorologiques utilisées y sont présentées. Les données utilisées dans cette
étude proviennent majoritairement de quatre bases de données nationales. Il s’agit de
• l’Institut national de statistique et de géographie (INEGI; Inegi 2016),
• la base de données climatologiques nationales (CLICOM) du Centre de recherche
scientifique et d’enseignement supérieur d’Ensenada (CICESE;CICESE,2013),
• la Commission nationale de l’eau (CONAGUA, CONAGUA [s.d]) sous la direction de
l’Institut Mexicain des technologies de l’eau (IMTA; IMTA [s.d]),
• du Système National de l’Information sur la Biodiversité (CONABIO; CONABIO 2012).
2.1 Localisation
Pour les besoins de cette étude, 91 bassins versants mexicains ont été sélectionnés sur la base
de la quantité et la qualité des données disponibles. Ces 91 bassins versants ont été
sélectionnés pour établir une base de données contenant les bassins versants qui seront
considérés comme donneurs en régionalisation. En consultant les bases de données de
CLICOM et de la CONAGUA, il est possible de s’apercevoir que plus de la moitié des
stations hydrométriques et météorologiques disposent de moins de 25 ans de données
effectives disponibles étalées sur plus de 100 ans de données possibles. Les bassins étudiés
sont situés dans les états de Veracruz, Puebla, Tamaulipas, Oaxaca, Guerrero, Hidalgo,
22
Mexico District Fédéral, Morelos, San Luis Potosi, Queretaro et Tlaxcala. Ces états forment
la partie centrale du Mexique, tel que présenté à la Figure 2.1.
Compte tenu de la disponibilité des données, les 91 bassins versants étudiés ne sont pas
répartis également à travers l’ensemble du secteur à l’étude. Leur distribution spatiale dans
les 11 états est présentée au Tableau 2.1 ainsi qu’à la Figure 2.1. Il est aussi à noter que
plusieurs bassins versants chevauchent plus d’un état, mais que ceux-ci ont été regroupés en
fonction de la localisation de leur exutoire pour simplifier la classification. Le secteur à
l’étude couvre une superficie totale de 106 700 km2 et inclut des bassins de superficies très
variables (8,98 à 10 616 km2;Tableau 2.2).
23
Le relief du Mexique est majoritairement montagneux. Ses deux chaînes de montagnes les
plus importantes sont la Sierra Madre Oriental et la Sierra Madre Occidental, lesquelles sont
orientées nord-sud (Figure 2.2). Le sommet le plus haut du Mexique, Pico de Orizaba, a une
élévation de 5610 m au-dessus du niveau de la mer. Il se retrouve à la frontière entre les états
de Veracruz et de Puebla, tel que montré à la Figure 2.2, mais ne fait partie d’aucun des
bassins versants considérés dans l’étude.
24
En matière de climat, le Mexique comporte deux zones distinctes séparées par le Tropique du
Cancer (Figure 2.3). Au nord de ce tropique, le climat est sec avec en moyenne entre 100 et
600 mm de pluie annuellement, tandis qu’au sud du tropique, le climat est humide avec en
moyenne entre 800 et 4500 mm de pluie annuellement. Au sud du tropique, en région
montagneuse, il est plus question d’un climat tempéré et humide que d’un climat chaud et
humide (Inegi, 2014). La zone à l’étude se retrouve à l’intérieur de plusieurs zones
climatiques, soit un climat semi-aride, tempéré humide, tempéré à hiver sec, climat de
moussons et climat de savane à hiver sec. Un climat est considéré à hiver sec lorsqu’il y a
une saison sèche en hiver (les précipitations du mois le plus sec correspondent à un
maximum de 10 pourcent du mois le plus humide de l’été). Un climat de moussons est un
climat tropical avec des précipitations annuelles supérieures à l’évaporation annuelle
(Eduterre, 2014).
Figure 2.3 Zones climatiques du Mexique selon la classification de Koppen. Le trait noir, sur
la figure, représente le Tropique du Cancer.
27
En termes de quantité d’eau, deux saisons distinctes peuvent être trouvées au Mexique: une
saison de pluie et une saison sèche. C’est entre juin et septembre, lors de la saison des pluies,
que la majeure partie des précipitations a lieu. Entre octobre et avril, le temps est
majoritairement plus sec. Les précipitations moyennes annuelles sont montrées à la Figure
2.4.
Figure 2.4 Carte des précipitations moyennes annuelles pour chaque bassin versant à l'étude
Les données maximales, minimales et médianes pour l’ensemble des types de données
météorologiques, soient les précipitations journalières et les températures maximales,
minimales et moyennes journalières, sont disponibles au Tableau 2.2. Malgré des
températures journalières minimales moyennes sous zéro dans certains bassins (14 bassins
versants parmi les bassins à l’étude) les précipitations sont considérées uniquement comme
28
étant liquides. Dans les rares cas où celles-ci tombent plutôt sous forme solide, aucune
accumulation n’est créée autre que dans les hautes altitudes.
Suivant le même schéma que les précipitations, les débits que l’on retrouve au Mexique sont
représentés par deux saisons distinctes, avec les crues importantes durant l’été (saison
humide) et les étiages durant l’hiver (saison sèche). Les débits moyens varient entre 0 et 6700
m³/s parmi les bassins à l’étude. Au Mexique, il n’est pas rare de voir des rivières
complètement à sec en saison hivernale (ou sèche) ou encore de voir des rivières sortir de
leur lit et inonder les environs en période de pluie.
Conjointement avec la carte des précipitations moyennes annuelles, la Figure 2.5 permet de
constater que le nord du Mexique présente un ruissellement moyen annuel très faible et qu’au
niveau du secteur à l’étude, le ruissellement moyen varie entre 100 et 3000 mm par année.
L’INEGI tient un registre détaillé de ses ressources naturelles. Celles qui ont servi pour cette
recherche sont l’usage du sol ainsi que l’étude édaphologique.
Il est à noter que plus de vingt-cinq pourcent du territoire du Mexique en entier est de type
Litosol et quinze pourcent est de type Regosol. De cette liste, quelques catégories ont pu être
regroupées, pour les fins de la présente étude, puisque les processus physiques et chimiques
majeurs sont les mêmes. Xerosol et Yermosol, tous deux étant caractérisés par
l’accumulation de chaux secondaire, ont été groupés pour former la catégorie Calcisol et les
trois unités composées de matières organiques (Chernozem, Feozem, Kastanozem) ont été
groupées sous l’unité Chernozem. Cela a permis de réduire la classification des sols, sans
perdre des données qui pourraient être d’une grande importance lors des étapes ultérieures.
30
Figure 2.6 Répartition spatiale des unités édaphologiques sur le territoire mexicain
Le Tableau 2.4 montre aussi les regroupements qui ont été faits en fonction de l’utilisation
principale du sol pour les fins de la présente étude. La distribution spatiale des différentes
utilisations du territoire est montrée à la Figure 2.7.
33
Le bassin versant à la base de ce projet est le bassin versant non-jaugé de la rivière Naolinco,
située dans l’état de Veracruz. Ce bassin, qui fait partie du secteur hydrologique d’Actopan
(Figure 2.8), a une superficie de 114 km2 (à l’entrée du village de Naolinco). Ses
caractéristiques hydrométéorologiques et physiques sont décrites au Tableau 2.5. En ce qui
concerne les informations données dans ce tableau, les statistiques sur les précipitations et les
températures ont été calculées en considérant les 60 années de données qui étaient
disponibles pour ce bassin (1950-2010). De plus, il est à noter que les pourcentages
d’occupations du sol et des classes édaphologiques sont liés aux classifications indiquées au
chapitre 3.
34
Ce bassin versant est d’une grande importance pour le village de Naolinco et les environs.
Une partie importante des activités économiques, d’une part, reposent sur la qualité et la
disponibilité de l’eau de ce bassin et, d’autre part, ont des impacts sur celles-ci. Pensons
notamment à la production de chaussures (à Naolinco), à la production de fromages (à
Miahuatlan, situé en amont) et à l’irrigation de terres agricoles (en aval de Naolinco).
MÉTHODOLOGIE
Ce chapitre a pour but de tracer un portrait global de l’ensemble des étapes qui ont été suivies
afin de mener les études de régionalisation sur les bassins versants non-jaugés au Mexique,
mais aussi d’émettre des recommandations issues des travaux pour l’application des
méthodes sur le bassin versant de la rivière Naolinco. Dans un premier temps, l’étape
d’acquisition des données ainsi que le traitement préalable des données par le système
d’information géographique (SIG) est décrite. Puis, les modèles hydrologiques et les
méthodes de calage utilisés sont détaillés. Finalement, les méthodes de régionalisation
appliquées pour mener à bien l’étude hydrologique sur des bassins versants non-jaugés au
Mexique sont présentées.
préalables ont dû être effectuées et sont décrites plus en détails dans les sections suivantes.
La Figure 3.1 schématise l’ensemble de la méthodologie adoptée dans le cadre de ces
travaux.
Acquisition
des données
Calibration
des modèles
Régionalisation Régionalisation
Régionalisation
par proximité par similitude
intégrée
spatiale physique
Un seul Donneurs
donneur multiples
Application
au bassin
versant
Naolinco
Ce projet de recherche fait partie d’une collaboration entre l’École de technologie supérieure
et la Universidad Veracruzana du Mexique. Il a inclus un stage d’études de trois mois au
Mexique, avec comme objectifs principaux l’acquisition de données de terrain, la collecte
d’information en format électronique sur des bassins jaugés (ces données sont fournies, via
téléchargement, par différents organismes mexicains), ainsi que la rencontre avec les
différentes organisations en ressources hydriques mexicaines collaboratrices au projet : le
département de génie civil et la faculté de biologie de la Universidad Veracruzana et la
commission municipale de l’eau de la municipalité de Naolinco de Victoria. Il a aussi permis
de se familiariser avec les ressources naturelles du pays, d’avoir une meilleure connaissance
quant à la nécessité de bien calculer les débits des rivières, et de récolter la majeure partie des
données qui ont servi aux calculs. Les autres données ont par la suite été téléchargées par
l’entremise de collaborateurs locaux. Finalement, le stage a permis de mieux connaître une
partie du territoire à l’étude, de mieux saisir les problématiques associées à la gestion de
l’eau à l’échelle des bassins versants au Mexique.
L’INEGI donne accès à l’ensemble des données de relief du Mexique à une résolution variant
de 15 à 120 mètres. Pour la nécessité de ce projet, les MNE de l’ensemble des états de la
partie centrale du Mexique, à la plus fine résolution, soit de 15 mètres, ont été extraits. La
zone utilisée dans les calculs préliminaires est plus élargie que celle de la zone d’étude pour
s’assurer que, lors du découpage des bassins versants, l’ensemble de la surface contributrice
au débit soit intégrée au calcul. Aussi, afin d’avoir un secteur représentatif du Mexique
central, une plus grande aire d’étude a été conservée jusqu’à la toute fin et c’est simplement
40
lors du choix final des bassins versants qui sont utilisés dans l’étude qu’un certain
raffinement de la surface d’étude a été fait. En se basant sur le MNE, un ensemble d’étapes a
été complété à l’aide du module ARC Hydro Tool Box de ArcGIS 10.3 (Esri, 2014). ArcGIS
est un logiciel de système d’information géographique des données qui permet entre autres la
construction de cartes basées sur des données satellites. C’est ainsi qu’il a été possible de
modéliser les bassins versants en fonction d’un exutoire qui était en fait une station
hydrométrique pour chaque bassin. Les étapes qui ont été suivies à cette fin sont résumées à
la Figure 3.2.
Figure 3.2 Étapes de modélisation réalisées à l’aide du logiciel ArcGIS pour arriver à la
modélisation de bassins versants spécifiques puis aux découpages des caractéristiques
descriptives de chacune des aires de drainage
Bien qu’une multitude de stations hydrométriques soit disponible au Mexique, peu sont
concrètement utilisables pour les fins de cette analyse. Plusieurs ont d’importantes lacunes
dans leurs données, certaines sont de qualité jugée inacceptable ou encore plusieurs sont
localisées dans des canaux non naturels avec un débit contrôlé ou sont approvisionnées par
41
de très petites aires de drainage. Il faut donc, préalablement à la création des bassins versants,
s’assurer que les débits des différentes stations sont utilisables et que celles-ci soient
correctement localisées sur les cours d’eau principaux de façon à ce que la résolution et la
taille de bassin soient acceptables. De plus, étant des processus itératifs souvent coûteux en
temps de calcul, plusieurs des étapes qui mènent à la modélisation des bassins versants sur
ArcGIS ont demandé plus de 48h de calcul sur l’ordinateur utilisé pour ces travaux (Intel®
Core™ i7-4510U CPU, 8.00 GB de Ram).
Une fois les bassins versants extraits, les caractéristiques physiques peuvent être identifiées à
partir de chacune des aires de drainage et être associées aux bassins. Cette étape permet de
calculer les aires représentatives pour chacune des catégories de caractéristiques du terrain
qui serviront de descripteurs physiques lors de l’étape de régionalisation. Les caractéristiques
ayant été extraites des bassins versants sont les unités édaphologiques, les utilisations et types
de sol, l’altitude moyenne, les coordonnées des centroïdes ainsi que la pente des bassins
versants.
Figure 3.3 Exemple d’application de la méthode des polygones de Thiessen pour le calcul de
moyenne des données météorologiques pour le secteur de la région hydrographique de
Papaloapan, dans l’état de Veracruz
Pour ce projet, trois modèles hydrologiques ont été retenus, soit le Modèle Hydrologique
Simplifié à l’Extrême (MOHYSE) (Fortin & Turcotte, 2007), le modèle GR4J (Perrin et al.,
2003) et HSAMI (Fortin, 2000), tant à l’étape de calibration qu’à celle de la régionalisation.
Puisque les trois modèles sont différents quant à leur nombre de paramètres ainsi que dans
leur structure, ils permettent de voir entre autres l’impact du choix du modèle sur les résultats
obtenus. De plus, le choix des modèles hydrologiques s’est fait en fonction de la quantité de
données nécessaires comme variables d’entrée par rapport aux données disponibles ainsi que
43
sur l’expérience acquise précédemment avec ces modèles et les performances obtenues lors
d’études menées au Mexique. Des représentations schématiques de chacun des modèles sont
présentées à l’ANNEXE I.
3.3.1 MOHYSE
MOHYSE est un modèle conceptuel global à 10 paramètres avec deux paramètres reliés aux
processus de neige, qui seront négligés dans ce projet en raison de la localisation du secteur à
l’étude. Ce modèle hydrologique a été conçu, au départ, pour des fins éducatives dans le
cadre d’un cours gradué du département des sciences de la terre et de l’atmosphère de
l’Université du Québec à Montréal, pour des bassins nordiques. Depuis, il a souvent été
utilisé comme modèle hydrologique à des fins de recherche (Arsenault et al, 2014; Arsenault
& Brissette, 2014), de par sa simplicité et le nombre réduit de données nécessaire à son
utilisation. De plus, ce modèle a été retenu puisque des études précédentes ont démontré qu’il
se comportait bien dans le secteur à l’étude décrit précédemment. Casteñeda Gonzales (2014)
a appliqué le modèle MOHYSE pour la première fois en climat tropical avec succès. Elle a
étudié un bassin versant dans la région centrale de l’État de Veracruz de 2000 à 2010.
MOHYSE ne requiert que deux variables d’entrée, soit les températures moyennes
journalières et les précipitations journalières totales, ainsi que deux constantes relatives au
bassin versant, soit sa superficie et la latitude de son centroïde.
3.3.2 GR4J
Le modèle GR4J est un modèle conceptuel global à 4 paramètres. Il est fréquemment utilisé
dans les études de régionalisation pour son nombre réduit de paramètres, ce qui facilite le
traitement des bassins versants non-jaugés (Oudin et al., 2008; Rojas-Serna et al., 2006). Les
données d’entrée de ce modèle sont l’évapotranspiration potentielle, les températures
minimales et maximales et les précipitations, sur une base journalière. L’évapotranspiration
potentielle n’étant pas une donnée disponible directement, la formule d’évapotranspiration
potentielle d‘Oudin (Oudin et al., 2005) a été utilisée (Équation (3.1).
44
+5 (3.1)
= +5>0
ʎ ∗ 100
3.3.3 HSAMI
Le modèle HSAMI est un modèle conceptuel à 23 paramètres dont 6 sont des paramètres liés
à la neige. Étant un modèle avec beaucoup plus de paramètres que les deux modèles
hydrologiques précédents, il a été choisi pour comparer les performances et valider si le
nombre de paramètres a un impact sur le résultat obtenu en régionalisation. Tout comme les
deux premiers modèles, il ne nécessite que très peu de variables d’entrée soit les
températures minimum et maximum, les quantités de précipitations solides et liquides, le
couvert nuageux et la hauteur du couvert neigeux. Le couvert nuageux a été fixé à une valeur
par défaut de 0.5 puisque cette information n’était pas connue. Le couvert neigeux a été
considéré comme inexistant, en raison de la localisation du secteur d’étude.
3.4 Calibration
L’étape de calibration est très importante pour arriver à des résultats fiables en
régionalisation. Cette étape consiste à trouver le jeu de paramètres optimal qui permettra aux
débits simulés par le modèle hydrologique de se rapprocher le plus possible des débits
observés. Afin d’évaluer cette ressemblance, le coefficient NSE est utilisé ici comme
métrique de performance. Le coefficient NSE est maximisé lorsque les débits simulés par le
45
l’ANNEXE IV. Pour chaque bassin, une seule calibration a été effectuée et un jeu de
paramètres a été conservé pour pouvoir ensuite être utilisé à l’étape de régionalisation.
L'étude de l’équifinalité, très souvent abordée dans les recherches sur la régionalisation des
paramètres, ne sera pas abordée dans le cadre des travaux de ce projet, entre autres en se
basant sur Arsenault & Brissette (2014) qui ont déterminé que l’équifinalité ne jouait pas un
rôle majeur en régionalisation.
Tel que mentionné dans les paragraphes précédents, les modèles MOHYSE et HSAMI sont
des modèles hydrologiques avec des modules de neige intégrés. Dans le cas du modèle
MOHYSE, le module de neige a tout simplement été retiré du modèle puisque la structure et
le code du modèle permettaient de le faire aisément. Pour le modèle de HSAMI, la stratégie
adoptée a été de fixer les précipitations solides, requises en variables d’entrée, à 0.
3.5 Régionalisation
Les différentes méthodes de régionalisation ont été développées pour mieux estimer les
débits sur n’importe quel bassin versant, même si les données hydrométriques ne sont pas
disponibles. La régionalisation peut être réalisée par différentes méthodes, soit par régression
linéaire, par similitude physique, par proximité spatiale ou encore par transposition en
fonction du rapport des aires, conformément aux à ce qui a été présenté dans la revue de
littérature (Chapitre 1). Afin d’évaluer l’applicabilité et le niveau de performance des
différentes approches pour la région à l’étude, la méthode des bassins pseudo non-jaugés a
été utilisée. Cette façon de faire, qui considère tour à tour chacun des bassins versants comme
étant non-jaugés, permet d’appliquer les méthodes de régionalisation à des bassins où il est
ensuite possible d’évaluer leur performance en calculant la valeur du NSE en calibration
ainsi qu’en modélisation par régionalisation (puisque les débits sont connus, en réalité). Cela
permet donc de connaître l’applicabilité et la robustesse de la méthode. Trois techniques ont
été testées sur les 91 bassins versants pour en tirer des conclusions quant à leur applicabilité
sur la région à l’étude, et ce, en se basant sur les résultats issus de chacun des trois modèles
hydrologiques. Les techniques sont présentées dans les sous-sections 3.5.1à 3.5.3.
47
Pour la régionalisation par proximité spatiale, la distance euclidienne entre les centroïdes des
bassins versants potentiellement donneurs et le bassin versant pseudo non-jaugé a été
calculée. Différentes analyses ont été effectuées, en considérant d’abord un seul donneur
(bassin le plus près physiquement du site pseudo non-jaugé) et ensuite en augmentant
graduellement le nombre de donneurs, jusqu’à les 15 bassins versants. Les jeux de
paramètres issus de la calibration pour chacun des bassins versants retenus comme donneurs
ont été implantés dans le modèle hydrologique pour faire une simulation, à chaque fois, au
site pseudo non-jaugé. De cette simulation, un critère de NSE a été calculé et a permis
d’évaluer quantitativement la simulation par le jeu de paramètres transféré au bassin pseudo
non-jaugé.
L’équation 1.2, introduite au Chapitre 1, a été utilisée pour la régionalisation par similitude
physique. Puisque plusieurs descripteurs physiques étaient disponibles dans le secteur à
l’étude, certaines étapes ont été préalablement réalisées afin d’étudier les possibilités, en
termes de quantité de descripteurs à analyser.
En premier lieu, des essais de corrélation entre les ratios des différents types édaphologiques
ont été complétés afin de voir si certaines unités édaphologiques avaient une corrélation avec
d’autres, soit positivement ou négativement. Dans le cas où deux descripteurs démontreraient
une forte corrélation, l’un d’entre eux n’apporterait pas de nouvelle information, et pourrait
donc être mis de côté.
En deuxième lieu, chacun des descripteurs a été traité individuellement lors du calcul de
l’indice de similitude. Cela avait pour but de voir lesquels des descripteurs avaient le
potentiel de mieux représenter les phénomènes hydrologiques lorsqu’un seul bassin versant
donneur était considéré. Un test statistique de Kruskal-Walis (Kruskal & Wallis, 1952) a été
48
effectué et a permis de vérifier si les descripteurs (représentés par les valeurs de NSE en
régionalisation pour tous les bassins jaugés les plus près physiquement) étaient
statistiquement différents les uns des autres. Ce test statistique non paramétrique permet de
voir si les échantillons proviennent d’une même population. Une fois les descripteurs
physiques les plus influents trouvés, l’indice de similitude a été calculé en ajoutant d’autres
descripteurs jusqu’à trouver la combinaison idéale de descripteurs physiques pour décrire
adéquatement l’ensemble des bassins versants pseudo non-jaugés.
Plusieurs études dans la littérature ont démontré qu’utiliser plus d’un bassin versant donneur
peut être d’une grande aide pour la modélisation hydrologique aux bassins non-jaugés. Afin
de tester cette technique, le débit moyen, simulé suite au transfert de plusieurs jeux des
paramètres provenant de donneurs multiples, a été calculé. Les débits permettant de calculer
le débit moyen ont été choisis en se basant sur les 15 donneurs dont les distances (proximité
spatiale) étaient les plus faibles (la section 4.6 expose les raisons pour lesquelles des
donneurs multiples ont été considérés avec la méthode de régionalisation par proximité
spatiale uniquement). Ainsi, 14 moyennes arithmétiques ont été obtenues, qui incluent à
chaque fois un débit de plus dans leur calcul (moyennes de deux, jusqu’à 15 valeurs). Ces
débits ont par la suite été comparés aux données observées, et ont permis de valider si le fait
49
La technique de transposition des débits par rapport de superficie est une méthode simple
étant appliquée aux bassins versants non-jaugés. Bien qu’elle ait été testée dans le cadre de ce
projet (deux secteurs ont été présélectionnés et sont montrés aux Figure 3.4 et Figure 3.5),
elle n’a pas été retenue comme méthode possible pour le transfert des données de débits en
raison du trop faible nombre de possibilités d’application de cette méthode (seulement trois
situations pouvaient être testées). Il était donc difficile de tirer des conclusions basées sur un
si petit échantillon (des explications supplémentaires sont données à la section 5.7.1).
50
Figure 3.4 Région hydrologique d’Actopan qui devait servir pour la transposition
des débits par la méthode du rapport des superficies pour la combinaison des bassins 28188,
28030, 28105, 28086 et 28108 ainsi que 28133, 28134, 28125 et 28003
Suite à l’ensemble des vérifications effectuées en considérant, tour à tour, chacun des bassins
étudiés comme pseudo non-jaugé, la méthode de régionalisation ayant obtenu les meilleurs
résultats a été retenue pour être appliquée au bassin versant de la rivière Naolinco, pour
lequel aucune donnée de débit observé n’est disponible. La description de ce bassin se
retrouve à la section 2.4. À titre de rappel, l’objectif initial de ce projet est la prévision
hydrologique sur cette rivière.
51
RÉSULTATS ET ANALYSES
Ce chapitre a pour but de présenter les résultats issus de l’ensemble des manipulations pour
arriver à l’objectif principal du travail, soit la détermination du débit du bassin versant non-
jaugé de Naolinco. Les étapes de calcul majeures ainsi que l’interprétation des résultats
obtenus y sont abordées.
Pour obtenir une modélisation hydrologique adéquate, il faut au départ un certain degré de
confiance envers les données de base, soient les données hydrométriques et météorologiques.
Une vérification visuelle de la qualité des données hydrométriques a été effectuée, visant à
s’assurer que les données ne comportaient pas de débits négatifs ou aberrants. Lorsque
rencontrées, ces deux types d’anomalies dans les données ont été effacées pour éviter de
donner de mauvais indices aux modèles hydrologiques lors du processus de calibration. Cette
vérification a aussi permis de déterminer si les stations hydrométriques étaient utilisables aux
fins de cette analyse, et si elles avaient au minimum 15 années de données consécutives.
Deux types de stations problématiques ont été rencontrés lors du processus d’analyse. La
première anomalie rencontrée était lorsque certaines stations dont les débits étaient
globalement peu élevés (entre 0 et 200 m³/s) et présentaient un pic considérable et soudain
d’une durée d’une seule journée, qui faisait passer les débits à plus de 20000 m³/s (Figure
4.1). Dans un tel cas, la valeur aberrante était effacée et devenait une donnée absente ou
encore, lorsque possible, la période de simulation pour cette station a été sélectionnée de
façon à exclure une telle valeur.
54
Figure 4.1 Exemple de débit aberrant dans les stations hydrométriques à l'étude
Un autre phénomène apparu lors du traitement des données de base a été la présence d’un
changement visible au niveau des stations hydrométriques, illustré par une cassure évidente
entre deux périodes de débits. Un exemple de ce type de phénomène se retrouve à la Figure
4.2, où à partir de la 27000e donnée, les débits n’ont pas du tout la même allure qu’avant
cette journée. Ce phénomène peut être créé par différentes situations comme un changement
d’emplacement de la station hydrométrique, un changement de station dû à un bris de la
station ou un remplacement de celle-ci dû à la désuétude de l’appareil. Il se peut aussi que le
territoire en amont de cette station ait complètement changé (dérivation de rivière, arrêt de
prise d’eau par une municipalité ou par des agriculteurs, mise en service de barrage) faisant
en sorte que le régime hydrologique du secteur soit complètement modifié. Ce type de série
de données cause un problème au niveau de la modélisation hydrologique. En effet, les
paramètres associés à chaque séquence de données de part et d’autre de la cassure peuvent
varier considérablement étant donné que les débits sont clairement différents entre la
première moitié et la deuxième, faisant en sorte que le modèle hydrologique ait de la
difficulté à s’ajuster dans une telle situation.
55
Figure 4.2 Exemple de cassure évidente dans la prise de mesure d'une station hydrométrique
Les deux premiers types de problèmes rencontrés, soit les débits aberrants et les cassures
dans les séries temporelles, lors de l’analyse des données de base, ont fait en sorte que
plusieurs stations hydrométriques devenaient inutilisables, et ont nécessité beaucoup de
manipulations pour s’assurer que ces anomalies ne pénalisent pas la qualité des simulations
dès l’étape de la calibration.
Enfin, certaines stations présentaient des données manquantes de façon récurrente, rendant
leur usage impossible puisqu’il est difficile pour un modèle d’avoir des paramètres qui sont
adéquats pour l’ensemble des situations, lorsque certaines parties de l’année ne présentent
jamais d’observations.
Les données de base nécessaires à la modélisation hydrologique incluent aussi les données
météorologiques, soit les températures et les précipitations. Pour obtenir des résultats
représentatifs de ce qui se passe réellement sur le terrain, ces données doivent couvrir une
période suffisamment longue pour les analyses subséquentes, avec le moins de données
manquantes possibles et être fiables. Les données de précipitation et de températures
56
disponibles aux stations devaient être agrégées spatialement sur chaque bassin pour la
modélisation hydrologique globale (section 3.3). Elles ont été estimées par la méthode des
polygones de Thiessen, laquelle prend en considération la répartition inhomogène des
stations sur le bassin versant lors du calcul de la moyenne. Les moyennes spatialisées ont été
générées pour chaque jour puisque les stations qui ont été choisies pour faire partie des
polygones de Thiessen n’étaient pas toutes complètes et plusieurs comportaient moins de 25
ans de données. Le choix de conserver l’ensemble des stations même si celles-ci pouvaient
parfois comporter beaucoup de données manquantes a été fait en gardant en tête que, malgré
que certaines données fussent absentes, les données présentes apportaient de l’information
importante sur le bassin versant dans le cas notamment où la station météorologique était la
seule dans un secteur. Dans certains cas, lorsque sur une longue période de temps les données
météorologiques du secteur d’un bassin versant n’étaient pas disponibles, les polygones de
Thiessen s’alimentaient de stations beaucoup plus éloignées pour calculer les précipitations
et les températures moyennes du bassin versant. Cela peut être à l’origine d’incohérences
entre les données pluviométriques et hydrométriques. Les précipitations journalières plus
importantes devraient en théorie se montrer cohérentes avec les crues d’une rivière (Figure
4.3), ce qui n’était pas toujours le cas tel que montré à la Figure 4.4.
Figure 4.3 Exemple des données de base du bassin versant #27001 où la concordance des
précipitations et des débits est bonne.
57
Figure 4.4 Exemple de séries de données issues du bassin versant #18348 où la précipitation
ne concorde pas bien avec les crues ou les étiages
Les statistiques relatives au nombre de stations météorologiques utilisées pour chaque bassin
versant ainsi que les distances des stations par rapport au bassin versant démontrent que les
combinaisons de stations utilisées dans la création des polygones de Thiessen restent
considérablement variables tout au long de la série de données. Les stations utilisées sont
majoritairement assez approchées du bassin versant à l’étude et le nombre de stations
contribuant aux calculs change en fonction de la donnée météo analysée. En effet, les stations
météo n’incluent pas toujours les quatre types de données météorologiques disponibles soit
les précipitations, les températures maximales, les températures minimales et les
températures moyennes journalières. Pour assurer une plage de données météorologiques la
plus grande possible, les polygones de Thiessen ont été créés entre 1905 et 2012 et
globalement, le nombre de combinaisons des stations contributrices pour chaque bassin varie
entre 40 et 550. Malgré que certains polygones varient dans le temps pour un bassin donné,
58
les combinaisons sont généralement stables sur des périodes assez longues et ont été
modifiées en début de période, laquelle n’est pas utilisée dans les étapes ultérieures.
4.2 Calibration
Les résultats des diverses simulations en calibration, pour les 91 bassins versants, sont
représentés par des boîtes à moustaches (Figure 4.5) selon le modèle hydrologique et selon la
valeur d’une fonction objectif (FO) basée sur le critère NSE (Arsenault et al., 2015),
présentée à l’équation (4.1). Cette transformation de NSE à FO a pour but, premièrement, de
pallier le fait que plusieurs simulations ont des NSE très négatifs, d’éviter l’impact majeur
des simulations jugées insatisfaisantes (NSE <0,2) et de représenter l’ensemble des
simulations dans un intervalle de 0 à 1. Cette FO permet de linéariser les valeurs de NSE.
1 (4.1)
=
2−
Une valeur de FO inférieure à 0,55 est considérée comme une simulation insatisfaisante selon
les critères de performance associés à la métrique NSE. Les équivalences entre les valeurs du
critère NSE et de la FO se retrouvent au Tableau 4.1.
Tableau 4.1 Équivalence entre les valeurs du critère de performance NSE et celles de la FO
Figure 4.5 Boîtes à moustaches présentant les résultats de la FO pour la calibration sur
l'ensemble des 91 bassins versants à l'étude, à l’aide des modèles GR4J, HSAMI et
MOHYSE; la ligne rouge représente le seuil pour juger une calibration comme bonne
(FO > 0,71)
La Figure 4.5 démontre la dispersion du critère de performance FO pour chacun des trois
modèles utilisés pour cette étude. Il est possible de s’apercevoir que les trois modèles
réagissent, globalement, de façon similaire. La dispersion des résultats obtenus avec le
modèle HSAMI est légèrement plus importante que pour les deux autres modèles, et les
maxima atteints sont très similaires pour les trois modèles. Le Tableau 4.2 détaille les
résultats de la Figure 4.5. Ce tableau donne les statistiques du critère de performance du
NSE, critère ayant été utilisé pour qualifier les simulations. Le changement de qualificatif des
performances des simulations du FO au NSE facilite la comparaison des résultats avec les
autres études dans la littérature. Globalement, le Tableau 4.2 démontre que MOHYSE tend à
performer légèrement mieux que les deux autres modèles (NSE maximum et médian plus
60
élevés, écart interquartile le plus faible et moins de simulations donnant des NSE sous zéro).
Ce tableau indique aussi que le modèle GR4J a un NSE médian sous 0,2, ce qui signifie que
plus de la moitié des simulations sont jugées insatisfaisantes suivant la terminologie
introduite aux tableaux 3.1 et 4.1.
Tableau 4.2 Statistiques sur le critère de performance NSE pour les différentes
calibrations des modèles GR4J, HSAMI et MOHYSE sur les
91 bassins versants étudiés
Nombre de Écart
Performance NSE
simulations NSE Médian interquartile
des modèles Maximum
avec NSE<0
GR4J 34 0,1656 0,8816 0.8915
HSAMI 36 0,2121 0,9110 1.08
MOHYSE 32 0,2370 0,9188 0.74
La Figure 4.6 montre par ailleurs que la répartition spatiale des performances des simulations
est majoritairement la même pour les modèles HSAMI et MOHYSE. Pour le modèle GR4J,
la performance obtenue sur certains bassins plus au Nord tend à être plus faible qu’avec les
deux autres modèles. Aussi, cette figure permet de noter que même si certaines régions telles
que Panuco (Figure 3.5) et Actopan (Figure 3.4) réagissent mieux à la modélisation
hydrologique, cela ne garantit pas la performance des modèles puisque même à l’intérieur
des bonnes régions de modélisation, certains bassins réagissent moins bien que l’ensemble.
Les données relatives à chacun des 91 bassins se retrouvent à l’ANNEXE IV.
61
Figure 4.6 Répartition spatiale des valeurs de FO en calibration sur les 91 bassins versants
étudiés pour les modèles hydrologiques GR4J, HSAMI et MOHYSE; l’ensemble des
simulations dont les performances sont inférieures à 0.1 sont de couleur pâle; la carte au bas
à droite montre la localisation du secteur à l’étude sur le territoire du Mexique
La Figure 4.7 montre la dispersion des performances obtenues pour les différentes
simulations selon le critère FO, en fonction de la superficie du bassin versant étudié. Deux
observations sont apparentes pour cette figure :
1) la performance des modèles tend à augmenter, globalement, avec la superficie des bassins
versants; par contre, le lien entre les performances et la superficie, en deçà de 2000 km2,
est plus aléatoire;
2) la performance du modèle GR4J est très souvent inférieure à celle des deux autres
modèles, tandis que la performance de HSAMI et MOHYSE est mitigée et varie selon le
bassin versant analysé.
62
0,9
0,8
Performance en calibration (FO)
0,7
0,6
0,5 FO HSAMI
FO GR4J
0,4
FO MOHYSE
0,3
0,2
0,1
0
0 2000 4000 6000 8000 10000 12000
2
Superficie des bassins versants (km )
Figure 4.7 Performance des modèles hydrologiques sur les différents bassins versants en
fonction de la superficie des bassins, la ligne pointillée rouge représentant la limite pour
qu’une simulation soit considérée comme bonne (FO > 0.71)
L’ensemble des figures et tableaux de cette section permet de voir que, bien que certaines
simulations peuvent atteindre des résultats jugés excellents, plus du tiers des bassins versants
analysés ne sont pas capables d’être calibrés correctement (NSE<0), près de la moitié des
simulations à l’aide de chaque modèle ont des performances jugées pires qu’acceptables
(NSE médian d’environ 0,2), 35 simulations sont jugées bonnes (NSE>0,4) pour les trois
modèles et 16, 23 et 22 sont jugées très bonnes (NSE>0,6) pour les modèles GR4J, HSAMI
et MOHYSE respectivement. Les performances des trois modèles sont assez similaires,
MOHYSE performant légèrement mieux en matière de NSE maximum et médian et d’écart
interquartile, et GR4J étant le modèle le moins performant.
63
La régionalisation par proximité spatiale est le transfert des paramètres des modèles
hydrologiques à partir de bassins versants donneurs se trouvant les plus près, physiquement,
du bassin non-jaugé (plus petites distances euclidiennes entre les centroïdes des bassins). Les
bassins versants potentiellement donneurs ont été retenus lorsque les performances en
calibration étaient supérieures à 0,5, selon le critère NSE, choix basé selon les travaux de
Arsenault & Brissette (2014) et de Oudin et al. (2008) qui montrent la pertinence de trier
préalablement les bassins versants potentiellement donneurs selon leur performance en
calibration. La figure 4.8 montre la performance des différents modèles lorsqu’un seul bassin
versant donneur est utilisé.
La Figure 4.8 montre que les performances des modèles HSAMI et MOHYSE sont similaires
alors que celle du modèle GR4J diffère, en ce qui concerne le critère FO médian. En effet, le
modèle GR4J donne de moins bons résultats que les deux autres modèles. Cette tendance
peut aussi s’apercevoir au Tableau 4.3, avec les performances exprimées en termes du critère
64
NSE. Des 35 simulations qui étaient jugées bonnes en calibration, seulement 11 pour GR4J et
HSAMI, et 15 pour MOHYSE, peuvent maintenant être jugées comme tel, tandis que 5,7 et 7
ont respectivement des NSE>0,6. L’ensemble des statistiques des simulations et des
méthodes de régionalisation basées sur le critère NSE et selon le bassin versant se retrouve à
l’ANNEXE III.
Tableau 4.3 Statistiques sur les performances des modèles GR4J, HSAMI et MOHYSE
en régionalisation par proximité spatiale, lorsque les 91 bassins versants à l’étude sont
considérés à tour de rôle comme pseudo non-jaugés
Performance Nombre de Nombre de NSE NSE
des modèles en simulations simulations jugées Médian Maximal
régionalisation avec NSE<0 bonnes (NSE >0.4)
spatiale
GR4J 61 11 -0,6889 0,7552
HSAMI 58 11 -0,1989 0,8249
MOHYSE 58 15 -0,1618 0,7974
Une analyse plus poussée des résultats issus des simulations par régionalisation spatiale
démontre qu’il n’y a aucun lien apparent entre la densité du réseau de bassins versants et la
performance des modèles hydrologiques puisque les bassins versants non-jaugés dont les
donneurs sont les plus près n’obtiennent pas nécessairement de bons résultats en
régionalisation.
Les noms des unités ont été abrégés, par souci de concision. La concordance avec les
appellations complètes peut être retrouvée au Tableau 2.3.
Échelle de
Ac Ch Ca Lu An Le Re Ve Hi Pl Cal Gl So Fl
corrélation
Ac 1,00 -0,19 0,01 -0,03 -0,02 -0,17 0,18 -0,01 -0,04 0,16 -0,05 0,21 -0,04 -0,02
Ch -0,19 1,00 0,14 -0,10 -0,21 -0,25 -0,29 0,14 0,00 0,02 -0,01 -0,06 0,00 -0,12 -1,00
Ca 0,01 0,14 1,00 -0,01 -0,23 -0,21 -0,02 -0,17 -0,04 0,40 -0,05 0,54 -0,05 0,22 -0,75
Lu -0,03 -0,10 -0,01 1,00 0,07 -0,25 -0,23 -0,09 -0,04 0,04 -0,06 -0,05 -0,04 -0,09 -0,50
An -0,02 -0,21 -0,23 0,07 1,00 -0,44 -0,19 -0,27 0,02 -0,09 -0,10 -0,08 -0,06 -0,18 -0,25
Le -0,17 -0,25 -0,21 -0,25 -0,44 1,00 -0,22 -0,04 -0,05 -0,09 0,16 -0,05 0,10 -0,08 0,00
Re 0,18 -0,29 -0,02 -0,23 -0,19 -0,22 1,00 -0,16 -0,08 -0,08 -0,07 -0,08 -0,08 0,35 0,25
Ve -0,01 0,14 -0,17 -0,09 -0,27 -0,04 -0,16 1,00 -0,07 0,01 0,00 -0,05 -0,03 -0,12 0,50
Hi -0,04 0,00 -0,04 -0,04 0,02 -0,05 -0,08 -0,07 1,00 -0,02 -0,02 -0,01 0,18 -0,03 0,75
Pl 0,16 0,02 0,40 0,04 -0,09 -0,09 -0,08 0,01 -0,02 1,00 0,04 0,67 0,04 0,06 1,00
Cal -0,05 -0,01 -0,05 -0,06 -0,10 0,16 -0,07 0,00 -0,02 0,04 1,00 -0,02 0,93 0,02
Gl 0,21 -0,06 0,54 -0,05 -0,08 -0,05 -0,08 -0,05 -0,01 0,67 -0,02 1,00 -0,02 -0,04
So -0,04 0,00 -0,05 -0,04 -0,06 0,10 -0,08 -0,03 0,18 0,04 0,93 -0,02 1,00 0,02
Fl -0,02 -0,12 0,22 -0,09 -0,18 -0,08 0,35 -0,12 -0,03 0,06 0,02 -0,04 0,02 1,00
Figure 4.9 Corrélation entre les différentes unités édaphologiques en fonction de la superficie
occupée par chacune; l’échelle de couleurs indique les degrés de corrélation
Des unités édaphologiques considérées comme corrélées entre elles donneraient des résultats
très près des bornes ([-1,1]). Dans le cas de la présente analyse,la corrélation entre les unités
Calcisol (Cal) et Solonchak (So), peut être considérée comme étant importante avec une
valeur de 0,93. Mais puisqu’il s’agit du seul cas de la sorte, il devient inutile d’essayer de
réduire le nombre de descripteurs potentiels pour une seule relation.
En plus des 14 descripteurs potentiels pour les différents types d’unités édaphologiques, cinq
sont issus des utilisations de sol tandis que 3 autres sont de types morphologiques (l’altitude
moyenne, la superficie du bassin versant et la pente moyenne du bassin).
modèles hydrologiques utilisés sont montrés à la Figure 4.10. Cette figure montre que les
différents descripteurs n’agissent pas tous de la même manière pour le transfert des
paramètres et les simulations issues de la régionalisation par similitude physique donnent des
résultats très variables, pour un même modèle et d’un modèle à l’autre. Plus de 75% des
simulations avec chacun des descripteurs sont jugées comme étant acceptables ou
insatisfaisantes (FO<0,625). De plus, comme ce fut le cas pour la régionalisation par
proximité spatiale, seuls les bassins dont les calibrations permettaient d’obtenir une valeur du
critère NSE supérieure à 0.5 ont été retenus comme donneurs potentiels pour le transfert des
paramètres. Bien que certains descripteurs semblent procurer de meilleurs résultats que
d’autres en regardant la Figure 4.10, il est impossible de tirer clairement une conclusion
quant à l’importance de chacun de descripteurs sur la réponse hydrologique des différents
bassins versants.
Pour y arriver, un test de Kruskal Walis a été effectué, pour chaque modèle hydrologique,
pour l’ensemble des 91 simulations (une par bassin pseudo non-jaugé) en régionalisation par
similitude physique. Cette analyse est présentée à la Figure 4.11, où les descripteurs ont été
considérés un à la fois.
MOHYSE
Figure 4.10 Boîtes à moustaches montrant les résultats pour le critère FO obtenus pour les différentes simulations en
régionalisation par similitude physique à l’aide des modèles hydrologiques GR4J, HSAMI et MOHYSE et en fonction des
différents descripteurs utilisés pour le transfert des paramètres pour un seul bassin versant donneur
67
68
MOHYSE
Figure 4.11 Résultats du test statistique de Kruskal Wallis par modèle hydrologique, pour les
différents descripteurs physiques considérés et pour tous les bassins pseudo non-jaugés
lorsqu’un seul bassin versant donneur est pris en compte
69
Le test statistique de Kruskal Wallis a pour but de déterminer si, statistiquement, les
différents ensembles de données sont similaires ou s’ils sont suffisamment différents pour
dire que certains descripteurs sont meilleurs que d’autres. Dans une telle analyse, chaque
ensemble de données (dans ce cas, les performances exprimées sous forme de NSE pour les
91 simulations issues à chaque fois d’un descripteur différent) est comparé aux autres pour
déterminer s’ils font partie d’une même population de données ou non. Les ensembles sont
jugés différents lorsque les intervalles de données (les lignes associées à chaque ensemble)
ne se recoupent pas. Dans un tel cas, les lignes les plus à droite sont considérées comme
meilleures que les lignes plus à gauche. Lorsque les intervalles se chevauchent (même si ce
n’est que de très peu) les ensembles analysés sont jugés statistiquement égaux et ne peuvent
mener à la conclusion que les simulations sont plus performantes à l’aide un descripteur ou
un autre.
L’analyse a été effectuée pour chaque modèle hydrologique. Les simulations analysées pour
le modèle HSAMI ainsi que le modèle GR4J démontrent que, peu importe le descripteur
utilisé, l’ensemble des simulations issues de la régionalisation par similitude physique est
similaire et non statistiquement différent. Pour les simulations effectuées à l’aide du modèle
hydrologique MOHYSE, certains descripteurs (intervalles dont les médianes sont notées à
l’aide de points bleus sur la figure 4.11 : altitude moyenne du bassin versant, superficie,
pourcentages d’occupation de l’unité édaphologique Acrisol et celui du Cambisol) se sont
montrés meilleurs que d’autres (intervalles dont les médianes sont notées à l’aide de points
rouges sur la figure 4.11 : pourcentages d’occupation des unités édaphologiques Fluvisol et
Andosol, pourcentages d’occupation du sol par l’eau ainsi que par l’agriculture, les zones
urbaines et la forêt) puisque les intervalles des premiers sont plus à droite et ne chevauchent
pas les intervalles des derniers. Enfin, il est donc possible de dire que, même si ce n’est pas
constant pour les trois modèles, comparativement aux autres descripteurs, les différents
pourcentages d’occupation du sol (cinq derniers descripteurs dans chacun des panneaux à la
figure 4.11) ne sont pas des descripteurs efficaces pour le transfert de jeux de paramètres
entre les bassins versants jaugés et ceux non-jaugés. Les statistiques détaillées des
performances obtenues en régionalisation par similitude physique pour chacun des bassins
70
La régionalisation intégrée est une méthode hybride entre les méthodes par similitude
physique et par proximité spatiale, elle inclut donc la latitude et la longitude lors du calcul de
l’indice de similitude. Trois méthodes sont analysées ici pour le calcul de l’indice de
similitude et sont comparées avec les résultats issus de la régionalisation par proximité
spatiale. Chacune des méthodes a été testée pour un seul bassin versant donneur.
1) la première méthode repose sur le calcul de l’indice de similitude à partir de tous les
descripteurs disponibles, considérant que, pour les modèles HSAMI et GR4J, aucun
descripteur n’a montré de performance statistiquement différente de celle des autres en
régionalisation par similitude physique (cette méthode est en fait une méthode par
similitude physique, mais puisque plus d’un descripteur a été utilisé dans le calcul de
l’indice de similitude, elle est considérée ici comme une régionalisation intégrée « de
base » – nommée méthode 1 ci-après);
2) la deuxième méthode repose sur la simulation par régionalisation intégrée où la latitude et
la longitude sont ajoutées à l’indice de similitude obtenu en considérant l’ensemble des
descripteurs pour le transfert des paramètres (méthode 2);
3) la troisième méthode testée est une régionalisation intégrée, mais en considérant
seulement les descripteurs morphologiques, soit l’altitude, la pente, la superficie et les
coordonnées des centroïdes, considérant que, pour MOHYSE, les descripteurs
morphologiques avaient précédemment montré des performances intéressantes (méthode
3).
combinaisons utilisées pour les quatre méthodes seront analysées selon les deux mêmes types
de représentations que précédemment, soit par (1) des boîtes à moustaches qui montrent la
dispersion des simulations pour chaque bassin versant et (2) l’analyse Kruskal Walis qui
décrit statistiquement les ensembles de données.
Peu importe le modèle hydrologique utilisé ou encore le type de données composant l’indice
de similitude, les performances des simulations ne sont pas statistiquement différentes l’une
de l’autre puisque les 4 intervalles de données se chevauchent sur la Figure 4.12 (dans
chacun des cas, les résultats obtenus à l’aide des trois modèles hydrologiques sont
confondus). Cette observation permet d’émettre l’hypothèse que la localisation des bassins
occupe un poids important parmi les descripteurs des bassins versants.
Figure 4.12 Analyse Kruskal Wallis pour les trois méthodes de régionalisation intégrée
(méthodes 1 à 3) et pour la régionalisation par proximité spatiale (méthode 4), tous modèles
hydrologiques confondus, pour un seul bassin versant donneur
Par ailleurs, la Figure 4.13 montre que l’impact du modèle hydrologique choisi pour
l’analyse de régionalisation n’a que très peu d’influence sur les performances (FO) puisque la
dispersion des différentes boîtes est pratiquement la même pour les 3 modèles utilisés.
72
MOHYSE tend toutefois à produire des valeurs un peu plus élevées que les deux autres
modèles. Cette figure permet aussi de noter que, dans le cas de ce secteur d’étude, il n’y a
pratiquement aucun avantage à essayer d’obtenir différentes combinaisons pour composer
l’indice de similitude pour la méthode par régionalisation intégrée ou par la régionalisation
par similitude physique puisque la régionalisation par proximité spatiale donne des résultats
similaires à ceux des autres méthodes en termes de performance.
MOHYSE
Figure 4.13 Boîtes à moustaches des performances pour le critère FO issues des simulations
par les trois méthodes de régionalisation intégrée (méthodes 1 à 3) et par la méthode de
proximité spatiale (méthode 4), à l’aide des modèles hydrologiques GR4J, HSAMI et
MOHYSE
Puisque les régionalisations intégrée ou par similitude physique n’ont pas donné de meilleurs
résultats que la méthode par proximité physique, la détermination du nombre de bassins
versants optimal a été faite en considérant les résultats obtenus à l’aide de cette dernière
méthode uniquement. La sélection du nombre optimal a été effectuée en testant la moyenne
issue d’un nombre maximal de 15 bassins, soient les plus près physiquement du bassin
pseudo non-jaugé. Pour cette analyse, les 91 bassins versants, peu importe leur performance
en calibration, ont été considérés comme bassins pseudo non-jaugés et seuls les bassins
versants dont la performance en calibration était supérieure à zéro (NSE>0) ont été
considérés comme donneurs potentiels. Cette sélection a été retenue dans un premier temps
pour s’assurer que l’ensemble de bassins versants potentiellement donneurs soit
suffisamment grand et diversifié. La Figure 4.14 donne des indications à l’effet que, bien
qu’il soit possible que l’ajout de donneurs augmente la performance des modèles, cette
augmentation est minime et n’arrive pas à rendre les simulations concluantes pour la majorité
des bassins versants pseudo non-jaugés.
74
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Figure 4.14 Boîtes à moustaches des performances pour le critère FO issues des simulations
en régionalisation par proximité spatiale avec des nombres de bassins versants donneurs
variant de 1 à 15, à l’aide des modèles hydrologiques GR4J, HSAMI et MOHYSE
En observant la Figure 4.15, on remarque que, bien que les performances des modèles
augmentent en utilisant plus d’un donneur potentiel, l’impact sur les valeurs médianes et les
valeurs maximales du critère FO n’est pas constant d’un modèle hydrologique à l’autre. Pour
MOHYSE, les meilleures performances sont trouvées lorsqu’entre trois et cinq donneurs sont
utilisés, ce qui est inférieur comparativement aux résultats obtenus dans le cadre de
précédentes recherches (Arsenault & Brissette 2014; Oudin et al., 2008) qui estiment le
nombre optimal de donneurs potentiels entre cinq et dix. Pour GR4J et HSAMI, il faudrait 6
et 7 donneurs, respectivement, pour arriver à de meilleurs résultats tant au niveau des valeurs
maximales de FO que des valeurs médianes, ce qui est en concordance avec les études
précédentes.
75
La Figure 4.15 permet aussi de constater que d’avoir plus d’un bassin versant donneur est
généralement bénéfique pour la régionalisation, tel qu’établi dans la littérature (Arsenault &
Brissette 2014; Oudin et al., 2008). L’ensemble des statistiques pour chacun des bassins
versants pour des donneurs multiples se retrouvent à l’ANNEXE VI.
En conservant seulement les simulations en régionalisation dont les performances sont au-
dessus du seuil NSE>0, il est possible de s’apercevoir que le nombre optimal de bassins
versants donneurs pour le modèle HSAMI est de 6 tandis que pour GR4J il se situerait cette
fois à 3 donneurs et pour MOHYSE entre 3 et 7 donneurs lorsque le critère de sélection est la
valeur maximale de FO, tandis que pour GR4J et MOHYSE, il est possible de voir de
meilleures performances, en regard du 75e percentile, pour un nombre de donneurs supérieur
à 13. Pour arriver à de tels résultats, les nombres de bassins versants considérés comme
donneurs potentiels sont de 31, 35 et 36, respectivement, pour GR4J, MOHYSE et HSAMI
76
lorsque les donneur considérés ont une performance supérieure à NSE=0,5. En moyenne, 30,
35 et 33 bassins versant pseudo non-jaugés ont été retenus pour créer la figure 4.16,
respectivement pour les modèles GR4J, HSAMI et MOHYSE. Bien que sous certains aspects
les performances des modèles GR4J et MOHYSE tendent à augmenter lorsque le nombre de
donneurs potentiels est au-dessus de 13 donneurs, différents auteurs ont soulevé le fait qu’un
nombre élevé de donneur venait diminuer la signification des hydrogrammes obtenus par la
moyenne.
Figure 4.16 Boîtes à moustaches des performances pour le critère FO issues des simulations
en régionalisation par proximité spatiale avec des nombres de bassins versants donneurs
variant de 1 à 15, à l’aide des modèles hydrologiques GR4J, HSAMI et MOHYSE, lorsque
les simulations en régionalisation dont les performances étaient supérieures à NSE=0 ont été
considérées.
Un objectif important de ce projet était la détermination des débits pour le bassin versant de
la rivière Naolinco, situé dans l’état de Veracruz au Mexique et décrit à la section 2.4.
Puisque le bassin versant de la rivière Naolinco est un bassin non-jaugé, il a fallu utiliser les
techniques de régionalisation des paramètres pour déterminer des valeurs possibles des débits
à l’exutoire de ce bassin, donc les débits qui entrent dans le village. Des techniques de
77
régionalisation des paramètres sélectionnées ont été testées par la méthode des bassins
pseudo non-jaugés, pour vérifier et analyser leur performance sur un ensemble de bassins
versants mexicains. Ce projet incluait aussi une partie de collecte de données de terrain qui,
en plus de servir pour l’analyse des descripteurs potentiels, devaient permettre d’obtenir une
série de données de débit d’un an pour la comparaison avec les conclusions tirées des
méthodes de régionalisation via l’installation d’une station de mesure des niveaux d’eau.
Cependant, sur le terrain, deux problèmes ont empêché l’utilisation des observations pour
l’année 2015-2016. Premièrement, le site de la station pose problème: la station a été
installée en aval d’un point de prise d’eau pour le village de Naolinco, où se trouve un seuil
important (Figure 4.17). Le soutirage d’eau à cet endroit est de plus ou moins constant et
varie selon les nécessités du village. À cela s’ajoute le rejet d’eaux polluées provenant du
village en amont, qui perturbent également les débits. Bien que l’accès aux données de rejets
et de soutirages soit possible, un important travail de collecte et de traitement de ces données
serait nécessaire et dépasse le cadre des présents travaux. Les contraintes liées aux
fluctuations des quantités d’eau, de même que d’autres liées à la disponibilité d’un point
d’ancrage pour les équipements de la station, ont d’ailleurs complexifié le choix de son
emplacement. Deuxièmement, le stage au Mexique a été effectué pendant la saison sèche,
soit la saison hivernale (janvier à avril). La rivière, à ce moment de l’année, est en étiage et la
variation du débit est en général très faible. Bien que l’installation de la station de mesure du
niveau d’eau ait été possible, il a été impossible, dans ces seules conditions, de reconstruire
les débits, sans une courbe de tarage qui permette la conversion entre les données de niveau
et les débits. La Figure 4.18 montre l’installation de la station au moment où la rivière est
pratiquement à son minimum. La roche sur laquelle est installée la station est quelques fois
complètement submergée lors de la saison des pluies. Des campagnes de jaugeage étaient
normalement prévues au cours de l’année mais n’ont pu avoir lieu en raison notamment de
bris d’équipements et du manque de ressources humaines.
78
Figure 4.17 Seuil de retenue d'eau sur la rivière Naolinco pour le soutirage de l'eau
Figure 4.18 Station de mesure des niveaux d’eau installée sur le parcours
de la rivière Naolinco
En considérant que la méthode de régionalisation par proximité spatiale avec plus d’un
donneur donnait les meilleurs résultats dans les essais préalables, une simulation a permis
79
d’obtenir une enveloppe de débits possible pour le bassin versant de la rivière Naolinco
(Figure 4.19). Pour cet exercice, cinq, six et sept donneurs ont été considérés pour les
modèles MOHYSE, GR4J et HSAMI, respectivement, à la lumière des résultats obtenus et
présentés à la section 4.6. La moyenne arithmétique des séries de débits provenant de
simulations à l’aide chaque modèle, suite au transfert des paramètres, a été effectuée. Bien
que les similitudes entre les bassins versants jaugés et le bassin versant non-jaugé soient les
mêmes peu importe le modèle utilisé, les séries temporelles de débits issues du transfert des
paramètres diffèrent d’un modèle à l’autre. La méthode préconisée ici tient compte de la
performance des bassins jaugés en calibration et seuls les bassins versants dont les NSE
étaient supérieurs à 0.5 ont été gardés. Puisque les modèles n’avaient pas donné les mêmes
résultats à l’étape de calibration, certains bassins versants jaugés ont été utilisés pour certains
modèles et ont été retirés des donneurs potentiels pour d’autres.
Figure 4.19 Simulation des débits sur le bassin versant de la rivière Naolinco en utilisant une
moyenne arithmétique des séries de débit obtenues suite au transfert de paramètres suivant la
méthode de régionalisation par proximité spatiale; cinq donneurs ont été considérés pour le
modèle MOHYSE, et six donneurs ont été considérés pour le modèle de GR4J et sept
donneurs ont été considérés pour le modèle HSAMI
CHAPITRE 5
DISCUSSION
Le chapitre suivant présente une discussion suite aux résultats obtenus. Cette discussion
permet de cerner la pertinence de cette étude, mais aussi les limites associées au travail qui a
été réalisé. Une grande partie de cette discussion concerne les données de base, puisqu’elles
sont le fondement de cette recherche. Par la suite, les méthodes de régionalisation des
paramètres elles-mêmes seront abordées afin de vérifier si elles sont applicables au territoire
central du Mexique. Finalement, l’application de la meilleure méthode sur un bassin versant
non-jaugé est abordée, de même que des considérations liées à la modélisation hydrologique.
L’étape d’acquisition des données a exigé du temps et des efforts considérables. Les données
du Mexique sont non seulement des données non reconstruites, mais il semble qu’aucune
vérification ne soit faite de la part des autorités locales à savoir si les débits et les données
météorologiques sont justes. Il est donc fort probable que les données provenant de certaines
des stations hydrométriques prises en compte dans ces travaux ne soient pas des débits
naturels. Les débits ont pu, par exemple, être modifiés soit par des soutirages d’eau en amont
des stations, ce qui réduit les débits enregistrés, soit par des rejets d’eau, qui augmentent
alors les débits. La présence de soutirages ou de rejets d’eau sont des informations qu’il est
pratiquement toujours impossible d’obtenir, ce qui rend par le fait même impossible la
reconstruction des données par les utilisateurs. Plusieurs types de barrages sont aussi présents
sur le territoire mexicain, soit pour contrôler les inondations aux abords d’une ville, soit pour
assurer un débit plus constant lorsqu’une prise d’eau se trouve à proximité ou encore pour
créer un réservoir pour les fins de production hydroélectrique. Les plus importants barrages
sont munis de stations hydrométriques qui permettent de connaître les débits aux abords des
ouvrages. Cependant, les données quant à la quantité d’eau qui est soutirée dû aux différents
ouvrages n’est pas une information rendue publique ce qui complique le traitement des
données sur des bassins versants où il est possible de retrouver ces ouvrages.
82
Lorsque la superficie drainée associée aux stations hydrométriques n’est pas la bonne, il
devient pratiquement impossible, pour les modèles hydrologiques, de bien performer en
83
Alors que certaines stations hydrométriques ne disposaient pas des 15 ans de données
nécessaires au calage des modèles hydrologiques (tel qu’établi dans la méthodologie, section
3.4), certaines autres stations avaient une base de données plus complète. Dans ces derniers
cas, il était alors possible de procéder à la calibration des modèles et une étape de validation
aurait aussi pu être envisagée. La validation demeure un concept plutôt ambigu en
84
régionalisation, avec deux modes de pensées très différents sur le sujet. Le premier étant que
la validation devrait toujours avoir lieu, peu importe le type d’étude réalisé, de façon à
s’assurer que les jeux de paramètres soient bien représentatifs du bassin versant étudié et
donc de son hydrologie. Cette façon de faire est celle qui est largement utilisée lors des
études hydrologiques des bassins versants afin d’assurer la justesse des paramètres trouvés.
Suivant le second mode de pensée, à l’inverse, l’étape de validation sur le même bassin
versant est inutile puisque la validation se fait lors de l’application de méthodes de
régionalisation aux bassins versants pseudo non-jaugés (Hrachowitz et al., 2013). Il devient
donc inutile de savoir si le jeu de paramètre est bien adapté à ce bassin versant jaugé, mais
qu’au contraire, il est préférable d’utiliser au maximum les informations disponibles pour
assurer une calibration la plus juste possible. Puisque plus de la moitié des 91 bassins
versants à l’étude ont obtenu des performances jugées moins que bonnes en calibration,
l’étape de validation pourrait ici s’avérer utile et informative. Elle pourrait en effet permettre
de vérifier le niveau d’adaptabilité des modèles hydrologiques avant de procéder à la
régionalisation des paramètres. Lorsque la validation donne des résultats considérablement
différents de ceux de la calibration, cela signifie que le modèle a de la difficulté à s’adapter,
possiblement en raison d’une surparamétrisation (Hrachowitz et al., 2013; Wagener, 2007).
En suivant les recommandations issues du second mode de pensée cité précédemment, une
étape de validation a été réalisée sur les 91 bassins versants à l’étude. Les statistiques
(nombres de bassins avec des performances similaires ainsi que la valeur du NSE pour
chaque simulation) sur les performances selon le critère de NSE pour les périodes de
calibration et celles de validation changent légèrement, tel que montré au Tableau 5.1. Ce
tableau montre par ailleurs que le modèle HSAMI est celui dont les performances en
calibration et validation sont les plus similaires, les nombres de bassins de même que les
bassins avec des statistiques similaires demeurant sensiblement les mêmes peu importe la
période de simulation choisie. GR4J et MOHYSE réagissent de façon similaire avec des
diminutions plus importantes des nombres de bassins jugés bons (NSE>0.6), entre les
périodes de calibration et les périodes de validation (les nombres de bassins versants jugés
bons passent, respectivement, de 16 à 12 et de 22 à 18). Seuls deux bassins versants (# 26053
85
Dans le cadre de cette étude, avoir procédé à une validation des résultats préalablement à la
régionalisation n’aurait pas réellement changé les résultats obtenus puisque le critère de
performance NSE>0,5 qui permettait à des bassins d’être sélectionnés comme donneurs
potentiels de paramètres ne donnerait pas de donneurs potentiels différents si celui-ci avait
été pris sur les performances en validation plutôt que sur celles en calibration (sauf pour les
deux exceptions nommées plus haut). Il est donc vrai de dire que l’étape de validation des
modèles n’est pas essentielle, dans le cas présent, puisqu’elle n’apporterait aucune
information complémentaire à cette étude de régionalisation, mais elle a permis dans ce cas
de vérifier les résultats obtenus en calibration sur une plus grande série de données.
5.3 Différences dans les dates de disponibilité des données entre les bassins
versants jaugés et non jaugés
Les dates des simulations varient pour chacun des bassins versants, en fonction des périodes
au cours desquelles les données sont disponibles. Plus de la moitié des simulations ont eu lieu
dans les années 1960 et 1970, tandis que d’autres ont eu lieu au cours des années 1940 et
1950. Le changement de date entre les différentes simulations des bassins versants ont-ils pu
avoir un impact sur la concordance des paramètres? Vélasquez et al., (2015) ont démontré
86
que le Mexique était sujet au changement climatique. Le fait d’utiliser des paramètres issus
de calibrations réalisées dans les années 1940 et de les transférer sur un bassin pseudo non-
jaugé pour lequel la calibration (servant de référence) a eu lieu en 1970 pourrait influencer
les résultats en régionalisation. Le même constat s’applique dans le cas où un exercice de
régionalisation serait effectué sur un bassin réellement non-jaugé et où l’utilisateur
s’intéresserait à obtenir une série de débits représentative du bassin maintenant, mais en
ayant seulement accès à des jeux de paramètres issus de bassins jaugés calibrés dans le passé.
Les précédentes considérations sous-entendent que l’on suppose également que les
caractéristiques physiques des bassins versants à l’étude soient statiques (aucun changement
dans le temps). Les données d’utilisation du sol et d’édaphologie sont des données datant des
années 1990 et 2000, lorsqu’une campagne nationale avait été menée pour caractériser le
territoire. Ces données ne sont pas nécessairement le reflet du territoire durant les années de
simulations, soit entre 1950 et 1980 majoritairement. L’évolution du Mexique a été majeure
dans les dernières décennies, mais très peu de données sont disponibles sur l’état réel du
territoire avant ces évolutions.
Pour essayer de s’affranchir des possibles incohérences causées soit par le changement
climatique ou encore l’évolution du territoire, il aurait été préférable de travailler avec des
données provenant toutes de la même période d’observation pour l’ensemble des bassins
versants de l’étude. Ceci dit, la question des données et de leur disponibilité au cours de
périodes spécifiques et « idéales » demeure un enjeu dans bon nombre d’études
hydrologiques.
Le Mexique est un pays où le relief est très irrégulier. Dans un tel environnement, l’altitude
moyenne des bassins versants a joué un rôle souvent important dans le transfert des
paramètres dans les études précédentes. Comme il était possible de s’y attendre, sur la base
des études dans des secteurs similaires, l’altitude fait bel et bien partie des descripteurs les
plus informatifs (figure 4.11), elle s’est notamment démarquée pour la modélisation avec
MOHYSE, mais pas dans les cas de GR4J et HSAMI. Considérant les sources d’erreur
précédemment énoncées, il est possible que l’impact de l’altitude qui s’est avérée importante
dans les autres études en reliefs semblables (Pechlivanidis et al., 2011; Viviroli et al., 2009),
ait été masqué par le bruit causé par ces erreurs.
5.5 La sélection intelligente des bassins donneurs de paramètres sur la base des
performances en calibration
Selon les études précédentes (Arsenault & Brissette 2014; Oudin et al., 2008), la sélection
des bassins jugés bons, en tant que donneurs, apporte une certaine amélioration aux
simulations par régionalisation. De façon cohérente, dans une base de données où les
simulations jugées inacceptables sont nombreuses, cette étude montre une amélioration
lorsque le choix des bassins versants donneurs est fait selon un critère de performance et non
seulement en fonction des distances/indices calculés (des essais de régionalisation ont été
effectués en considérant la totalité des 91 bassins versants comme donneurs potentiels mais
les résultats obtenus ne sont pas montrés puisqu’aucune information d’intérêt ne pouvait en
88
être tirée). Il faut cependant faire preuve de jugement dans le choix de la limite de
performance qui permette de sélectionner les bassins donneurs. Dans la présente étude, les
bassins affichant une valeur de NSE au-dessus de 0.5 en calibration ont été gardés. Cette
limite est inférieure à celle qui a été considérée par Arsenault & Brissette (2014) et qui avait
été fixée à NSE=0,6. Considérant les performances obtenues en calibrations pour les bassins
mexicains, le nombre de donneurs potentiels aurait considérablement diminué si une telle
limite avait plutôt été retenue. Les résultats n’auraient évidemment pas été les mêmes
puisque les donneurs auraient été différents. De plus, on peut penser qu’un critère plus
restrictif aurait diminué l’amélioration apportée par l’utilisation de donneurs multiples
puisque les derniers donneurs utilisés n’auraient probablement pas été près
spatialement/physiquement des bassins pseudo non-jaugés. Pour le modèle GR4J, avec
seulement 16 simulations supérieures à la cible NSE en calibration, les donneurs potentiels
auraient été toujours les mêmes, peu importe le bassin pseudo non-jaugé analysé. La seule
différence aurait été dans l’ordre d’apparition des bassins les plus près.
Les études précédentes ont souvent attribué le succès de la méthode de régionalisation par
proximité spatiale à un réseau dense de stations hydrométriques, donc à un réseau dense de
bassins versants dans le secteur d’étude. Dans le cas de cette étude, bien que certains bassins
versants soient très près les uns des autres, certains sont aussi très éloignés. La majorité des
bassins versants analysés sont regroupés en secteurs, mais entre les différents secteurs, il peut
y avoir jusqu’à 300 kilomètres de distance. Pour cette raison, il est donc possible de croire
que la méthode de régionalisation par proximité spatiale ne sera pas la meilleure pour le
transfert des paramètres entre les bassins jaugés et non-jaugés. Cette méthode étant basée
simplement sur la distance entre les centroïdes, plus les bassins versants jaugés et non-jaugés
sont situés près l’un de l’autre, plus les chances de réussite sont fortes. Cette méthode a de
plus comme hypothèse sous-jacente que des bassins situés près spatialement, auront des
caractéristiques physiques similaires. Donc si les bassins sont éloignés, les caractéristiques
ont plus tendances à être différentes. Dans le cas de réseaux de bassins versants étudiés peu
89
En analysant les résultats issus des régionalisations précédentes, il est clair que ce projet n’a
pas donné les résultats escomptés et que la régionalisation au Mexique s’avère difficile.
Plusieurs raisons peuvent être citées en cause. Premièrement, les données hydrométriques du
Mexique (du moins celles qui ont été utilisées pour cette étude) nécessitent un temps
important pour procéder aux vérifications initiales qui permettent de passer outre certains
problèmes comme des débits vraisemblablement trop hauts ou des données négatives.
Ensuite, les différentes bases de données n’étant pas toutes reliées, elles donnent quelques
fois des informations contradictoires comme il est arrivé ici avec les coordonnées pour la
localisation des stations. Les organismes responsables au Mexique ne font pas non plus la
différence entre les stations situées sur des bassins naturels et celles situées sur des canaux,
donc en débit régulé. Les deux types de stations donnent des informations complémentaires
aux différentes recherches, mais ne peuvent pas être utilisés dans le même but. Il pourrait
donc être intéressant que les deux types soient séparés en des bases de données différentes
pour permettre aux utilisateurs d’avoir accès à l’information juste, qui correspond à leurs
besoins.
En analysant les simulations issues de l’étape de calibration, il est possible de voir que bien
que certaines simulations soient très mauvaises, près du tiers des simulations ont de bonnes
performances. Cela porte à croire que si la qualité des données de base pour toutes les
stations ainsi que l’information quant à leur nature étaient meilleures, il serait possible
d’obtenir encore plus de bonnes simulations dans le secteur à l’étude. Il est aussi important
90
de comprendre, à ce stade, que ce n’est pas l’ensemble des stations qui bénéficient du même
entretien de la part des autorités. Lorsque les stations sont dans un secteur plus développé, la
qualité des stations et des données est prise beaucoup plus au sérieux que dans les secteurs
plus ruraux du Mexique. Le choix des bassins versants pour faire partie du secteur à l’étude
vient donc jouer un rôle important dans les performances obtenues. La régionalisation aurait
pu être testée en n’utilisant que les bassins pour lesquels de bonnes performances étaient
obtenues, par contre le nombre de donneurs potentiels aurait été réduit grandement. Une telle
comparaison pourrait faire partie, par exemple, de travaux futurs.
caractéristiques morphologiques des bassins. Pour toutes les autres situations, les méthodes
plus complexes doivent être utilisées. À la base de ce projet, la méthode simple du ratio des
aires avait été incluse parmi les méthodes de régionalisation à l’étude. Plusieurs problèmes
ont mené à l’abandon de cette méthode. Premièrement, sur les 91 bassins versants utilisés
dans l’analyse, seulement trois séries permettaient l’application de la méthode en raison de la
disposition des bassins versants ou du ratio des aires qui ne permettaient pas l’application de
la méthode dans les autres cas. Étant donné que la technique devait préalablement inclure la
détermination des coefficients de l’équation, les trois séries de bassins utilisables n’étaient
pas suffisantes pour arriver à des conclusions sur l’applicabilité de la méthode. Les
problèmes relatifs à l’application de la méthode du ratio des aires de base laissent croire que
pour la section à l’étude, une méthode simple qui est indépendante du modèle hydrologique
ne peut pas résoudre la difficulté associée à un manque de données observées sur des bassins
versants et qu’une modélisation hydrologique basée sur des bassins versants calibrés reste la
méthode la plus applicable, et ce, malgré son incertitude et le travail supplémentaire requis
dans l’application de la méthode dépendante du modèle hydrologique.
L’étude de régionalisation a été réalisée avec trois modèles globaux et conceptuels dont les
nombres de paramètres sont différents. En examinant les performances somme toute
semblables des trois modèles, il apparaît que le nombre de paramètres très différent entre les
modèles HSAMI, MOHYSE et GR4J ne joue pas de rôle significatif quant à la réussite des
méthodes de régionalisation qui ont été utilisées dans cette étude. Les trois modèles montrent
des performances similaires, tant en calibration qu’en régionalisation. Par ailleurs, le modèle
GR4J, qui est ajusté à l’aide de seulement quatre paramètres, semble être trop parcimonieux
pour le secteur mexicain étudié puisque les performances globales en termes du nombre de
simulations jugées concluantes sont moins élevées qu’avec les modèles MOHYSE ou
HSAMI. Il est possible de croire que les six des 23 paramètres du modèle HSAMI qui sont
des paramètres de neige, dans un environnement sans neige, n’influencent pas les
performances du modèle, mais augmentent l’équifinalité possible dans le nombre de jeux de
92
5.8 Le pas de temps de la simulation a-t-il un impact sur les résultats obtenus?
La base de données utilisée dans la présente étude englobe une grande variété de superficies
de bassins versants (entre 10 et 11000 km2) et comporte des données disponibles au pas de
temps journalier. Les petits bassins versants sont considérés comme étant des bassins
généralement réactifs. Lorsque les simulations sont effectuées sur un pas de temps journalier,
pour ces petits bassins en particulier, il est fort probable que les modèles hydrologiques
n’arrivent pas à reproduire adéquatement la forte réactivité et la variabilité au sein des
processus hydrologiques. Les données disponibles, pour le moment, ne permettent pas de
faire des simulations sur de plus petits pas de temps. Ceci a très certainement pu affecter la
qualité des calibrations effectuées sur les plus petits des bassins versants.
Vingt-six (26) pourcent des bassins versants à l’étude ont une superficie inférieure à 100
km2, 27 pourcent sont entre 100 et 500 km2, 40 pourcent entre 500 et 3000 km2 et 7 pourcent
ont une superficie supérieure à 3000 km2. Les résultats de la Figure 4.7, montrent bien que la
performance des simulations est beaucoup plus constante et concluante au fur et à mesure
que la superficie des bassins versants étudiés augmente. Les bassins versants dont la
93
superficie est supérieure à 3000 km2 ont tous bien performé à l’exception d’un bassin
versant.
5.9 L’application des conclusions sur un bassin versant non jaugé du Mexique
Bien que certaines informations puissent être tirées des résultats présentés à la Figure 4.18, il
est impossible de commenter la performance des modèles puisque c’est un bassin versant
non-jaugé, donc qui n’a pas de données observées. Premièrement les trois modèles semblent
suivre adéquatement les saisons de pluies avec une alternance bien définie entre crues et
étiages suivant les précipitations. Le modèle HSAMI a tendance à surestimer les débits de
pointe comparativement aux deux autres modèles et GR4J est le modèle qui génère les débits
les plus faibles en étiage. Comme les observations de débit sont inexistantes, il n’est pas
possible d’évaluer à quel point les trois modèles arrivent à les reproduire adéquatement. Il
faut par ailleure être conscient, lors de l’analyse de la figure, que les trois modèles sont de
même type, soit des modèles globaux conceptuels. Avoir eu recours à d’autres modèles aurait
vraisemblablement donné des résultats différents et aurait augmenté l’enveloppe de résultats
possibles. Le choix des modèles avait été fait en fonction de leur applicabilité dans la région
durant de précédentes études : MOHYSE a été appliqué sur le bassin versant Actopan avec
une performance de NSE = 0.76 sur cinq ans de calibration tandis que GR4J a été appliqué
sur un le bassin versant Tampaon et a eu une performance de NSE=0.87 (Casteneda
Gonzales 2014; Velázquez et al., 2015). La quantité de données disponibles pour la
calibration avait également constitué un critère lors du choix des modèles hydrologiques (un
modèle physique demande plus d’information que ce qui est disponible pour l’ensemble des
bassins versants mexicains). Les trois modèles étudiés, dans le cadre de cette étude,
pourraient cependant être mieux adaptés au climat aride, notamment en ce qui concerne la
simulation des étiages par l’essai d’autres formules d’évapotranspiration, par exemple. Le
bassin versant de la rivière Naolinco est de plus un bassin dont la superficie est inférieure à
500 km2, ce qui vient mettre un doute quant à la performance des modèles pour ce bassin
puisque, tel que discuté à la section 5.8, les petits bassins versants tendent à moins bien
performer lorsque des données au pas de temps journalier sont considérées. Avec la
94
Enfin, lorsque la courbe de tarage sera construite, il sera possible de reconstruire les débits
par bilan hydrique et de les comparer avec les simulations présentées à la Figure 4.19. Avec
le temps, il sera possible de vérifier la qualité des simulations et des efforts de
régionalisation, ce qui mènera à une meilleure capacité à prévoir les apports sur le bassin
versant de la Rivière Naolinco.
CONCLUSION
Les travaux présentés dans ce document avaient pour but l’étude hydrologique du bassin
versant non-jaugé de la rivière Naolinco au Mexique. Pour y arriver, les techniques
habituellement utilisées pour la simulation sur les bassins versants non-jaugés ont d’abord été
testées. Ces techniques, portant sur la régionalisation des paramètres des modèles
hydrologiques, sont : (1) la régionalisation par proximité spatiale, (2) la régionalisation par
similitude physique et (3) la régionalisation intégrée. Toutes trois ont été appliquées à 91
bassins versants jaugés de la partie centrale du Mexique. Chaque bassin a été tour à tour
considéré comme pseudo non-jaugé de façon à vérifier l’applicabilité de chacune des
méthodes. Les bassins du secteur à l’étude couvraient une vaste plage de débits observés, de
précipitations moyennes annuelles, de superficies et de variation dans les élévations
moyennes. Trois modèles hydrologiques globaux et conceptuels (GR4J, HSAMI et
MOHYSE) ont été utilisés, comportant des nombres différents de paramètres.
Les travaux ont permis de conclure que les méthodes de régionalisation des paramètres
donnent des résultats très variables sur l’ensemble des bassins versants. Certaines simulations
ont permis d’obtenir des performances très satisfaisantes, en ce qui a trait au critère NSE,
tandis que pour d’autres bassins versants, même l’application des trois modèles
hydrologiques en calibration s’est avérée infructueuse (NSE < 0.2). Il ressort de ces travaux
que la régionalisation par proximité spatiale performe aussi bien que la méthode par
similitude physique. La méthode par proximité spatiale demande beaucoup moins de
données, qui sont souvent non disponibles pour le secteur étudié. Aucun avantage n’a donc
été trouvé à procéder à des recherches et des calculs poussés pour trouver des relations entre
les descripteurs des bassins versants jaugés et non-jaugés. De la même façon, aucun avantage
n’a été trouvé à combiner les deux méthodes, soit à utiliser la régionalisation intégrée, qui
demande beaucoup d’habiletés pour bien analyser les caractéristiques (descripteurs)
influentes des bassins versants. Utiliser plus d’un donneur s’est cependant avéré bénéfique
pour les trois types de régionalisation et les résultats indiquent que le nombre de bassins
versants donneurs dans le transfert de paramètres devrait se situer entre 5 et 8 lorsque
l’ensemble des bassins versants à l’étude est retenu et que ce sont les performances
96
maximales qui sont analysées, ce qui rejoint les résultats d’études similaires (Arsenault &
Brissette, 2014; Oudin et al., 2008).
Suite à la conclusion de ce projet, il est clair que pour arriver à faire de la modélisation
hydrologique sur des bassins versants non-jaugés du Mexique, il y a encore de travail à faire.
Une part importante du travail pouvant mener à une application concluante des méthodes de
régionalisation réside dans le travail exhaustif en début d’étude, soit dans le nettoyage des
données de base et dans le choix du modèle hydrologique utilisé pour l’étude. L’étape de
nettoyage des données de base concerne notamment la vérification des stations
hydrométriques. En connaissant désormais l’aire de drainage associée aux stations
hydrométriques grâce à la mise à jour du répertoire CONAGUA qui a été utilisé, le nettoyage
des données pourra être facilité. Les stations qui sont localisées dans des canaux à débits
régularisés pourront plus facilement être identifiées et retirées. Puisque seulement les bassins
versants ayant eu une bonne performance en calibration (NSE > 0.5) ont été retenus pour
l’étape de régionalisation, il serait pertinent d’augmenter le nombre de bassins dans l’étude
pour assurer une banque de bassins disponibles de plus grande taille. De cette façon, la
densité des bassins versants utilisés dans l’étude augmenterait, ce qui donnerait plus de
chances de réussite à la méthode par proximité spatiale qui est majoritairement influencée par
cet aspect. Finalement, afin d’assurer des précipitations plus homogènes à l’intérieur des
bassins versants étudiés, faire les essais de régionalisation avec des données météorologiques
sur grilles pourrait apporter une dimension intéressante à l’étude et permettrait d’avoir une
base de comparaison avec les données météorologiques issues des polygones de Thiessen.
ANNEXE I
Latitude (°) 22,026 22,152 21,398 21,367 23,157 22,261 22,104 21,197
Longitude(°) -98,874 -99,208 -98,988 -98,385 -99,176 -99,012 -99,421 -98,882
Altitude (m) 173,39 543,08 845,22 88,08 773,63 314,85 972,09 731,77
Aire (km2) 50,33 7380,36 639,76 864,81 10112,11 739,16 1468,43 8,99
Pente(°) 5,125 9,691 20,215 5,076 11,762 4,029 13,640 30,265
Agriculture 43% 63% 44% 70% 72% 35% 84% 0%
Eau 0% 0% 0% 0% 0% 1% 0% 0%
Urbain 0% 0% 0% 1% 0% 0% 0% 0%
Forêt 57% 37% 55% 29% 28% 64% 15% 100%
Sans Végé 0% 0% 0% 0% 0% 0% 0% 0%
Acrisol 0% 0% 0% 0% 0% 0% 0% 0%
Chernozem 0% 3% 0% 20% 5% 10% 0% 0%
Cambisol 0% 1% 0% 3% 2% 6% 2% 0%
Luvisol 0% 1% 6% 0% 0% 0% 3% 0%
Andosol 0% 0% 0% 0% 0% 0% 0% 0%
Leptosol 95% 67% 94% 36% 56% 65% 77% 100%
Regosol 0% 10% 0% 2% 12% 15% 8% 0%
Vertisol 5% 17% 0% 39% 20% 2% 10% 0%
Histosol 0% 0% 0% 0% 0% 0% 0% 0%
Planosol 0% 0% 0% 0% 0% 0% 0% 0%
Calcisol 0% 0% 0% 0% 2% 0% 0% 0%
GleySol 0% 0% 0% 0% 0% 0% 0% 0%
Solonchak 0% 0% 0% 0% 0% 0% 0% 0%
Fluvisol 0% 0% 0% 0% 0% 0% 0% 0%
106
Latitude (°) 19,475 22,882 22,467 20,983 22,109 21,202 23,200 20,072
Longitude(°) -99,339 -99,297 -99,410 -98,128 -100,029 -98,779 -99,229 -98,466
Altitude (m) 2808,10 795,34 831,64 274,01 1273,68 336,08 876,44 2450,64
Aire (km2) 17,10 2636,06 1905,76 31,29 10615,70 68,35 8744,75 337,33
Pente(°) 14,390 12,405 12,982 9,822 10,236 21,480 13,344 5,414
Agriculture 100% 62% 79% 66% 98% 43% 72% 100%
Eau 0% 0% 0% 0% 0% 0% 0% 0%
Urbain 0% 0% 0% 0% 1% 0% 0% 0%
Forêt 0% 38% 21% 34% 2% 57% 28% 0%
Sans Végé 0% 0% 0% 0% 0% 0% 0% 0%
Acrisol 0% 0% 0% 0% 0% 0% 0% 0%
Chernozem 2% 6% 6% 83% 14% 0% 5% 34%
Cambisol 1% 1% 1% 0% 1% 0% 1% 6%
Luvisol 45% 1% 2% 0% 1% 0% 0% 21%
Andosol 52% 0% 0% 0% 0% 0% 0% 6%
Leptosol 0% 66% 68% 0% 57% 100% 62% 11%
Regosol 0% 13% 5% 0% 4% 0% 11% 0%
Vertisol 0% 12% 17% 17% 6% 0% 17% 22%
Histosol 0% 0% 0% 0% 0% 0% 0% 0%
Planosol 0% 0% 0% 0% 0% 0% 0% 0%
Calcisol 0% 0% 0% 0% 12% 0% 3% 0%
GleySol 0% 0% 0% 0% 0% 0% 0% 0%
Solonchak 0% 0% 0% 0% 2% 0% 0% 0%
Fluvisol 0% 0% 0% 0% 2% 0% 1% 0%
107
Latitude (°) 22,689 22,706 19,693 19,632 23,153 22,999 22,517 23,071
Longitude(°) -99,023 -99,041 -99,300 -99,327 -99,053 -99,149 -98,932 -98,393
Altitude (m) 122,70 158,22 2448,53 2571,04 325,61 362,20 164,12 568,07
Aire (km2) 60,52 16,23 245,33 607,84 81,34 77,67 49,30 272,46
Latitude (°) 22,030 21,881 19,495 19,392 19,349 19,791 20,485 20,810
Longitude(°) -99,495 -99,441 -99,343 -98,866 -99,312 -97,162 -97,472 -98,067
Altitude (m) 1231,32 983,00 2810,91 2417,46 2782,62 1470,29 110,79 525,32
Aire (km2) 454,48 80,70 103,88 59,80 16,57 1489,50 150,16 2287,51
Latitude (°) 19,762 19,592 19,780 19,816 19,818 19,735 19,923 19,863
Longitude(°) -97,275 -97,204 -97,540 -97,435 -97,330 -97,220 -97,705 -97,851
Altitude (m) 1946,58 2618,18 2288,84 2186,57 1852,04 2054,17 1416,96 1971,11
Aire (km2) 386,09 129,03 172,04 59,68 11,18 59,78 97,24 610,58
Latitude (°) 19,757 19,758 20,144 19,710 19,694 19,734 19,360 17,799
Longitude(°) -97,500 -97,311 -97,559 -97,768 -97,787 -97,688 -96,862 -95,271
Altitude (m) 2435,88 2184,60 264,93 2341,73 2404,67 2294,38 1071,82 85,09
Aire (km2) 352,42 48,60 40,13 1400,31 1301,23 1926,00 1582,02 106,08
Latitude (°) 19,628 19,622 19,625 19,560 19,461 19,407 19,293 19,417
Longitude(°) -96,879 -96,795 -96,847 -96,755 -96,747 -96,952 -96,988 -96,988
Altitude (m) 1498,60 1224,42 1390,17 994,55 754,62 1374,16 1166,29 1512,91
Aire (km2) 782,25 1182,58 929,65 1848,54 475,58 1006,20 71,09 857,10
Tableau-A III-1 Performance des simulations par la méthode de proximité spatiale pour
chacun des bassins versants en fonction des modèles hydrologiques et distances entre le
bassin versant jaugé et celui non-jaugé
Numéro des Distance des bassins NSE Gr4J NSE NSE MOHYSE
bassins versants versants donneurs HSAMI
'18002.xlsx' 0,18 0,31 -0,03 0,44
'18161.xlsx' 0,00 -2,83 -0,30 -2,50
'18198.xlsx' 0,01 -2366,13 -181,00 -2710,46
'18200.xlsx' 0,14 -1090,92 -53,28 -1258,90
'18237.xlsx' 0,02 -210,22 -15,66 -226,43
'18288.xlsx' 0,09 -33,51 -1,69 -32,19
'18292.xlsx' 0,08 -151,49 -16,57 -124,33
'18301.xlsx' 0,10 -20,77 -6,15 -26,73
'18322.xlsx' 0,08 -0,86 -0,52 -22,71
'18342.xlsx' 0,15 0,15 0,15 0,19
'18344.xlsx' 0,04 0,01 0,02 0,01
'18348.xlsx' 0,03 -0,19 0,06 0,31
'18349.xlsx' 0,09 -2,76 -1,04 -15,01
'18352.xlsx' 0,09 0,47 0,55 0,53
'18361.xlsx' 0,06 -5,21 -4,37 -3,33
'18374.xlsx' 0,06 -0,28 -0,20 -0,11
'18433.xlsx' 0,03 -6,05 -5,04 -3,17
'18434.xlsx' 0,14 -0,06 0,00 -0,03
'18436.xlsx' 0,23 -0,73 -0,76 -0,75
'18485.xlsx' 0,05 -0,07 -0,07 -0,07
'18538.xlsx' 0,03 0,42 0,43 0,51
'20005.xlsx' 0,06 0,38 0,39 0,39
'20023.xlsx' 0,01 0,26 0,27 0,25
'20026.xlsx' 0,06 -0,61 -0,20 -0,22
'20027.xlsx' 0,04 0,35 0,32 0,29
'26007.xlsx' 0,07 -2,00 -2,01 -1,24
'26039.xlsx' 0,09 -43,10 -3,31 -2,49
'26053.xlsx' 0,04 -3,20 0,27 0,35
'26057.xlsx' 0,03 -7,90 -0,06 0,02
'26076.xlsx' 0,17 -384,23 -185,24 -216,60
'26118.xlsx' 0,07 -4,24 -3,95 -3,69
'26120.xlsx' 0,02 -1,27 0,18 0,23
'26217.xlsx' 0,06 -5,65 -3,44 -6,16
'26224.xlsx' 0,05 0,60 0,76 0,79
'26243.xlsx' 0,14 0,50 0,31 0,50
'26248.xlsx' 0,12 0,34 0,20 0,28
114
Numéro des bassins Distance des bassins NSE Gr4J NSE NSE
versants versants donneurs HSAMI MOHYSE
'27049.xlsx' 0,07 -0,19 -0,19 -0,22
'27053.xlsx' 0,04 -25,95 -25,91 -35,94
'27055.xlsx' 0,04 -58,47 -68,21 -113,58
'27069.xlsx' 0,05 -4,00 -2,72 -2,37
'28003.xlsx' 0,02 0,63 0,74 0,73
'28018.xlsx' 0,39 -0,80 -0,80 -0,81
'28030.xlsx' 0,03 -1,52 -1,00 -0,02
'28086.xlsx' 0,02 -276,51 -159,69 -180,65
'28105.xlsx' 0,01 -1169,73 -724,73 -733,77
'28108.xlsx' 0,02 0,04 0,25 0,40
'28111.xlsx' 0,02 0,50 0,61 0,62
'28125.xlsx' 0,01 0,65 0,82 0,70
'28133.xlsx' 0,02 -1,19 -1,37 -1,25
'28134.xlsx' 0,01 0,75 0,78 0,71
'29005.xlsx' 0,38 -0,55 -0,58 -0,58
'29007.xlsx' 0,41 -0,62 -0,74 -0,72
'37012.xlsx' 0,09 -0,10 -0,09 -0,10
ANNEXE IV
Tableau-A V-1 Performance des simulations par similitude physique selon le descripteur utilisé et le modèle HSAMI (selon NSE)
18002 18161 18198 18200 18237 18288 18292 18301 18322 18342 18344 18348 18349
Altitude 0,062 -0,572 -492 -122 -44 -0,306 -16,6 -6,152 0,349 -0,094 0,008 -0,045 -1,036
Pente -0,033 -0,298 -181 -88 -16 -17,997 -11,1 -6,013 -10,930 0,153 0,008 -0,045 -1,036
Superficie 0,039 -0,837 -181 -44 -36 -0,082 -3,5 -21,910 -0,805 -0,328 -0,018 0,260 -31,07
Ac 0,382 -1,727 -860 -184 -70 -7,843 -43,6 -5,136 -0,805 -0,328 0,011 -4,015 -4,605
CH -0,033 -0,298 -181 -55 -13 -0,572 -11,1 -5,114 0,349 0,065 -0,052 0,352 -2,486
Ca -0,031 -0,285 -124 -192 -12 -8,206 -37,5 -5,683 0,188 0,200 0,016 0,175 -35,84
Lu 0,039 -0,837 -391 -42 -39 -4,344 -30,6 -10,607 -0,805 0,058 0,011 -4,015 -5,729
An 0,407 -1,946 -1871 -706 -152 -17,997 -74,7 -19,711 -14,218 -0,129 -0,052 -7,142 -31,07
Le -0,160 -0,296 -64 -42 -8 -0,208 -4,5 -3,718 0,188 -0,096 0,002 0,352 -0,053
Re -0,160 -0,296 -64 -706 -24 -0,306 -93,8 -21,283 -0,157 -0,129 0,008 0,403 -34,31
Ve 0,438 -1,675 -1941 -215 -154 -1,691 -30,6 -10,607 -15,727 -0,181 0,008 0,260 -32,71
Hi 0,229 -0,496 -734 -192 -51 -8,206 -37,5 -12,485 -2,908 -0,746 -0,035 -2,185 -7,893
Pl -0,160 -0,296 -64 -810 -8 -0,208 -4,5 -25,738 -0,517 -0,096 0,002 0,352 -0,053
cal 0,039 -0,837 -482 -810 -12 -3,409 -25,0 -6,152 -0,517 -0,129 -0,006 0,063 -28,99
GL 0,057 -0,422 -219 -81 -39 -11,485 -123,9 -10,607 -14,218 0,086 -0,012 -1,233 -38,49
So 0,062 -0,296 -192 -778 -8 -8,206 -37,5 -12,485 -0,672 0,200 -0,052 -2,314 -7,893
Fl -0,160 -0,296 -64 -42 -8 -0,208 -4,5 -3,718 0,188 -0,096 0,002 0,352 -0,053
Agriculture 0,407 -1,946 -1871 -706 -152 -20,582 -93,8 -21,283 -14,218 -0,129 -0,052 -7,142 -31,07
Eau 0,407 -1,946 -1871 -706 -152 -20,582 -93,8 -21,283 -14,218 -0,129 -0,052 -7,142 -31,07
Urbain -0,160 -0,296 -64 -42 -8 -0,208 -4,5 -3,718 0,188 -0,096 0,002 0,352 -0,053
Foret 0,407 -1,946 -1871 -706 -152 -20,582 -93,8 -21,283 -14,218 -0,129 -0,052 -7,142 -31,07
Sans Veg 0,229 -0,496 -1233 -706 -8 -4,344 -30,6 -21,283 -14,218 0,202 0,008 -2,185 -5,729
122
122
18352 18361 18374 18433 18434 18436 18485 18538 20005 20023 20026 20027 26007 26039
Altitude 0,555 0,042 -0,203 -5,042 0,532 -0,766 -0,070 0,586 0,420 0,028 0,415 -0,182 -2,239 -8,6
Pente 0,368 -0,406 0,133 -2,268 0,580 -0,764 -0,077 -0,466 -0,560 0,176 0,387 -1,017 -1,978 -41,2
Superfi-
0,287 -3,014 -0,031 -3,853 0,136 -0,786 -0,079 0,206 -0,365 0,077 -0,112 0,282 -2,008 -48,9
cie
Ac 0,428 -0,307 0,151 -5,042 -0,118 -0,762 -0,079 -0,047 0,329 0,273 -2,514 0,287 -1,639 -58,7
CH 0,287 -0,163 0,103 -2,268 0,051 -0,872 -0,075 0,329 0,271 0,193 0,387 0,169 -1,432 -3,2
Ca 0,555 -0,346 0,137 -15,26 0,278 -0,831 -0,070 0,586 0,320 0,273 -0,199 0,324 -2,008 -3,3
Lu -0,028 -0,307 0,133 -6,454 -0,118 -0,762 -0,061 0,371 0,424 0,205 -0,990 0,287 -2,218 -12,7
An -0,361 -2,796 -0,097 -24,07 0,567 -0,769 -0,051 -1,644 -0,560 -0,642 -2,536 -1,407 -1,452 -41,7
Le 0,197 0,097 0,081 -0,343 -0,091 -0,887 -0,082 0,192 0,391 0,181 -2,952 0,050 -1,432 -3,3
Re 0,569 -3,014 0,103 -4,833 0,518 -0,887 -0,051 0,474 0,420 -0,674 -0,837 0,206 -2,118 -3,3
Ve -0,361 -1,387 0,120 -6,454 -0,091 -0,764 -0,075 0,371 0,391 0,181 -0,199 0,050 -1,978 -12,7
Hi 0,151 -0,346 0,137 -5,548 0,265 -0,831 -0,070 -1,644 0,391 0,273 -0,199 0,050 -1,813 -16,1
Pl 0,197 0,097 0,081 -0,343 -0,091 -0,887 -0,082 0,192 0,207 0,109 0,291 0,206 -1,432 -3,3
cal -0,554 -1,197 0,151 -1,707 0,250 -0,837 -0,066 0,432 -0,365 0,181 -0,199 -1,500 -1,682 -33,5
GL 0,197 0,042 -0,203 -18,40 0,147 -0,872 -0,073 -0,920 0,391 0,273 -0,199 -0,182 -2,008 -19,5
So 0,428 -2,796 -0,097 -1,707 0,532 -0,831 -0,051 0,192 -0,365 0,176 -0,039 0,206 -1,813 -16,1
Fl 0,197 0,097 0,081 -0,343 -0,091 -0,887 -0,082 0,192 0,207 0,109 0,291 0,206 -1,432 -3,3
Agricul-
-0,361 -2,796 -0,097 -24,07 0,567 -0,769 -0,051 -1,644 -0,560 -0,642 -2,536 -1,407 -1,452 -41,7
ture
Eau -0,361 -2,796 -0,097 -24,07 0,567 -0,769 -0,051 -1,644 -0,560 -0,642 -2,536 -1,407 -1,452 -41,7
Urbain 0,197 0,097 0,081 -0,343 -0,091 -0,887 -0,082 0,192 0,207 0,109 0,291 0,206 -1,432 -3,3
Foret -0,361 -2,796 -0,097 -24,07 0,567 -0,769 -0,051 -1,644 -0,560 -0,642 -2,536 -1,407 -1,452 -41,7
Sans Veg -0,361 -2,796 -0,097 -24,07 -0,091 -0,769 -0,051 0,451 0,207 -0,110 -0,990 -1,407 -1,452 -41,7
123
26053 26057 26076 26118 26120 26217 26224 26243 26248 26249 26263 26267 26270 26273
Altitude 0,063 -0,567 -103 -6,189 -0,025 -3,979 0,385 0,126 0,202 0,544 0,403 0,523 -0,412 0,295
Pente -0,827 -8,237 -43 -6,097 0,243 -5,797 0,218 0,326 0,074 0,437 0,083 0,469 -0,413 -1,527
Superficie 0,277 -0,039 -39 -3,501 -1,047 -4,490 0,216 0,318 0,199 0,335 0,014 -0,085 -0,419 0,235
Ac 0,269 -8,237 -39 -5,319 0,171 -6,221 0,046 0,458 0,223 0,565 0,460 0,317 -0,408 -0,418
CH 0,024 -0,735 -79 -3,917 -0,025 -3,785 0,243 0,126 0,024 0,531 0,083 0,669 -0,419 -0,069
Ca 0,269 -0,064 -140 -3,948 -1,047 -4,660 0,243 0,414 0,074 0,531 0,403 0,091 -0,412 -0,504
Lu -0,827 -1,328 -39 -6,314 -0,334 -6,221 0,046 0,458 0,156 0,565 0,460 0,317 -0,408 -0,321
An -3,568 -9,262 -165 -3,917 -1,164 -3,954 0,706 0,395 0,160 0,335 0,354 0,793 -0,411 -1,806
Le 0,273 0,088 -149 -5,887 0,141 -4,914 0,289 0,173 0,059 0,335 0,037 0,575 -0,418 0,189
Re 0,000 -2,212 -103 -5,693 0,243 -3,954 0,205 0,395 -0,013 0,565 0,081 0,793 -0,411 -2,130
Ve -3,536 -9,701 -185 -6,097 -0,334 -6,738 0,597 0,328 0,223 0,481 0,403 0,180 -0,412 -1,383
Hi 0,132 -3,098 -224 -4,487 0,183 -4,660 0,046 0,238 0,131 0,505 0,212 0,233 -0,412 0,194
Pl -4,476 -1,790 -224 -5,887 -1,724 -4,914 0,289 0,173 0,059 0,335 0,037 0,575 -0,418 -1,527
cal -3,097 -7,598 -82 -5,730 -1,047 -4,660 0,046 0,326 0,151 0,335 -0,047 0,793 -0,412 -1,639
GL -3,097 -7,598 -103 -3,948 -1,047 -5,171 -0,101 0,438 0,120 0,451 0,083 0,306 -0,408 -1,639
So -0,923 -3,098 -149 -4,558 -1,672 -5,746 0,597 0,326 0,202 0,499 0,354 0,600 -0,412 -0,504
Fl 0,273 0,088 -43 -5,887 0,141 -4,914 0,289 0,173 0,059 0,335 0,037 0,575 -0,418 0,189
Agriculture -3,568 -9,262 -43 -3,917 -1,164 -3,954 0,706 0,395 0,160 0,481 0,354 0,793 -0,411 -1,806
Eau -3,568 -9,262 -165 -3,917 -1,164 -3,954 0,706 0,395 0,160 0,565 0,354 0,793 -0,411 -1,806
Urbain 0,273 0,088 -43 -5,887 0,141 -4,914 0,289 0,173 0,059 0,335 0,037 0,575 -0,418 0,189
Foret -3,568 -9,262 -165 -3,917 -1,164 -3,954 0,706 0,395 0,160 0,481 0,354 0,793 -0,411 -1,806
Sans Veg -3,568 -9,262 -155 -3,917 -1,164 -3,954 0,706 0,395 0,160 0,505 0,354 0,793 -0,411 -1,806
123
124
124
26270 26273 26280 26285 26289 26292 26293 26296 26311 26334 26336 26356 26357 26388
Altitu-
-0,412 0,295 -5,576 0,177 -0,137 -23,494 -0,085 0,338 -48937 -0,215 -4,179 -0,043 0,351 -0,026
de
Pente -0,413 -1,527 -6,278 0,032 -0,147 -10,770 -0,085 -0,542 -4767 -0,308 -4,434 0,282 -3,818 -0,017
Super-
-0,419 0,235 -1,346 0,014 -0,158 -6,921 -0,125 -1,473 -15505 -0,320 -4,421 0,126 -0,267 -0,107
ficie
Ac -0,408 -0,418 -4,160 -2,161 -0,130 -3,841 -0,077 -1,032 -10953 -0,205 -4,263 0,117 -0,217 0,012
CH -0,419 -0,069 -0,517 0,177 -0,158 -0,759 -0,141 -3,698 -4268 -0,295 -4,352 0,117 0,351 -0,111
Ca -0,412 -0,504 -0,517 0,177 -0,142 -13,160 -0,085 -0,025 -15056 -0,311 -4,333 0,282 -5,200 -0,071
Lu -0,408 -0,321 -4,160 -2,161 -0,130 -3,841 -0,077 -1,032 -24829 -0,294 -4,263 0,142 -0,601 0,012
An -0,411 -1,806 -6,050 -0,304 -0,141 -23,494 -0,097 -3,698 -61954 -0,223 -4,245 0,481 -6,045 -0,039
Le -0,418 0,189 0,484 0,480 -0,156 -23,494 -0,123 0,367 -1226 -0,339 -4,449 -0,207 0,494 -0,106
Re -0,411 -2,130 -0,517 0,177 -0,142 0,176 -0,097 -1,032 -10953 -0,339 -4,465 0,062 -1,219 -0,106
Ve -0,412 -1,383 -1,346 -0,439 -0,139 -2,802 -0,080 0,338 -60993 -0,274 -4,446 0,142 -0,601 -0,034
Hi -0,412 0,194 -4,479 -1,254 -0,142 -10,770 -0,085 -3,698 -48937 -0,290 -4,333 -0,043 -5,200 -0,085
Pl -0,418 -1,527 0,484 0,480 -0,156 -23,494 -0,123 0,367 -48937 -0,339 -4,449 -0,022 0,503 -0,106
cal -0,412 -1,639 -4,160 0,261 -0,132 -6,921 -0,085 -0,816 -60798 -0,217 -4,263 0,126 -6,250 -0,017
GL -0,408 -1,639 -5,576 -1,688 -0,132 -3,412 -0,072 -2,274 -48937 -0,233 -4,252 -0,043 -5,200 -0,085
So -0,412 -0,504 -2,177 0,261 -0,147 -3,591 -0,085 0,338 -6574 -0,215 -4,179 0,539 0,503 -0,026
Fl -0,418 0,189 0,484 0,480 -0,156 -23,494 -0,123 0,367 -1226 -0,339 -4,449 -0,207 0,494 -0,106
Agricu
-0,411 -1,806 -6,050 -0,304 -0,141 -23,494 -0,097 -3,698 -61954 -0,223 -4,245 0,481 -6,045 -0,039
lture
Eau -0,411 -1,806 -6,050 -0,304 -0,141 -0,031 -0,097 -1,032 -61954 -0,223 -4,245 0,481 -6,045 -0,039
Urbain -0,418 0,189 0,484 0,480 -0,156 -23,494 -0,123 0,367 -1226 -0,339 -4,449 -0,207 0,494 -0,106
Foret -0,411 -1,806 -6,050 -0,304 -0,141 -23,494 -0,097 -3,698 -61954 -0,223 -4,245 0,481 -6,045 -0,039
Sans
-0,411 -1,806 -6,050 -0,304 -0,141 -35,153 -0,097 -0,816 -61954 -0,223 -4,245 0,481 -6,045 -0,039
Veg
125
26400 26423 26429 26430 26431 26443 26445 26458 27001 27002 27004 27020 27023 27029
Altitude -0,720 0,290 -1,828 0,275 0,111 -0,019 -87,2 -0,020 0,326 -0,048 0,500 -4,474 -7675 -128
Pente -0,770 0,239 -0,310 0,246 0,111 -1,781 -87,2 0,169 0,401 -0,029 -0,563 -2,491 -7675 -36
Superfi-
-0,776 0,155 -4,860 0,438 -0,041 0,152 -3,2 -0,150 0,315 -0,029 0,328 -1,489 -10345 -156
cie
Ac -0,721 0,309 -7,465 0,370 0,098 0,143 -38,5 -0,057 0,411 -0,050 0,328 -0,708 -10031 -138
CH -0,760 0,115 -0,282 0,463 -0,024 0,185 -11,6 -0,075 0,203 -0,127 0,074 -0,051 -2235 -25
Ca -0,769 0,288 -1,123 0,764 0,149 0,169 -22,6 -0,057 0,213 -0,089 0,525 -4,020 -7675 -120
Lu -0,721 0,253 -7,465 0,370 0,098 -0,021 -17,5 0,025 0,411 -0,094 0,515 -5,324 -9856 -120
An -0,723 0,260 -2,718 0,731 0,136 -1,418 -106,8 0,155 0,457 -0,062 0,525 -1,489 -6153 -108
Le -0,777 0,150 -0,143 0,275 0,001 0,143 -1,2 -0,119 0,430 -0,107 -0,389 -1,906 -3936 -36
Re -0,760 0,257 -5,521 0,470 0,136 0,143 -22,6 0,081 0,175 -0,127 0,512 -1,489 -6153 -108
Ve -0,762 0,335 -5,501 0,367 0,113 -1,941 -113,7 0,025 0,401 -0,048 0,391 -5,324 -9856 -120
Hi -0,752 0,253 -1,123 0,463 0,086 -1,396 -29,7 0,089 0,396 -0,051 0,074 -4,020 -8746 -115
Pl -0,777 0,150 -0,143 0,275 0,001 -1,307 -1,2 -0,078 0,563 -0,107 -0,389 -2,734 -8820 -28
cal -0,744 0,296 -1,123 0,470 0,086 -1,396 -87,2 0,202 0,451 -0,029 -0,280 -4,842 -10345 -96
GL -0,752 0,341 -4,860 0,098 0,183 0,114 -12,8 0,202 0,303 -0,023 0,328 -2,909 -9856 -128
So -0,784 0,290 -2,262 0,214 0,110 -0,567 -38,5 0,089 0,572 -0,032 0,512 -4,020 -8746 -115
Fl -0,777 0,150 -0,143 0,275 0,001 0,143 -1,2 -0,119 0,213 -0,107 -0,389 -1,906 -3936 -36
Agricul-
-0,723 0,260 -2,718 0,731 0,136 -1,418 -106,8 0,155 0,457 -0,062 0,525 -1,489 -6153 -108
ture
Eau -0,723 0,260 -2,718 0,731 0,136 -1,418 -106,8 0,155 0,457 -0,062 0,525 -1,489 -6153 -108
Urbain -0,777 0,150 -0,143 0,275 0,001 0,143 -1,2 -0,119 0,213 -0,107 -0,389 -1,906 -3936 -36
Foret -0,723 0,260 -2,718 0,731 0,136 -1,418 -106,8 0,155 0,457 -0,062 0,525 -1,489 -6153 -108
Sans
-0,723 0,260 -2,718 0,731 0,136 -1,418 -106,8 0,155 0,572 -0,062 0,391 -1,489 -6153 -108
Veg
125
126
126
27033 27035 27036 27037 27038 27040 27041 27049 27053 27055 27069 28003 28018
Altitude -211 0,055 -0,236 0,156 0,515 -1889 -11047 -0,158 -65,4 -199,6 -5,920 0,225 -0,747
Pente -88 -2,176 -0,341 0,156 0,665 -1093 -11113 -0,156 -36,0 -98,4 -2,603 0,708 -0,813
Superficie -33 -1,440 -0,065 0,085 0,564 -591 -2569 -0,189 -51,4 -118,0 -0,132 0,668 -0,828
Ac -60 0,307 -0,140 0,054 0,274 -1371 -3435 -0,190 -7,9 -48,9 -5,920 0,543 -0,794
CH -50 0,515 -0,112 0,068 0,374 -391 -3289 -0,191 -58,7 -31,9 -0,643 0,166 -0,806
Ca -171 -0,857 -0,383 0,157 0,665 -2166 -8924 -0,152 -36,0 -100,7 -6,396 0,336 -0,840
Lu -159 -1,294 -0,377 0,140 0,515 -1168 -9654 -0,160 -54,9 -114,1 -5,529 0,543 -0,800
An -160 -0,375 -0,358 0,123 0,262 -1575 -8124 -0,162 -58,7 -206,1 -4,755 0,670 -0,749
Le -58 0,450 -0,102 0,098 0,411 -286 -3307 -0,155 -6,2 -10,6 -0,643 0,795 -0,826
Re -160 -0,375 -0,358 0,123 0,515 -1575 -8124 -0,162 -8,9 -41,2 -1,069 -0,073 -0,749
Ve -159 -1,294 -0,377 0,140 0,515 -1168 -9654 -0,160 -102,0 -308,0 -5,529 0,404 -0,813
Hi -171 -0,857 -0,383 0,118 0,564 -1403 -8924 -0,152 -47,0 -98,4 -3,674 0,156 -0,796
Pl -60 0,307 -0,065 0,156 0,744 -507 -3435 -0,187 -7,6 -19,8 -7,812 0,225 -0,826
cal -215 -1,440 -0,484 0,154 0,583 -1679 -11113 -0,160 -31,6 -81,7 -3,951 0,742 -0,752
GL -60 -1,440 -0,484 0,154 0,347 -591 -3435 -0,190 -4,8 -206,1 -3,070 0,770 -0,752
So -171 -0,857 -0,383 0,157 0,665 -1403 -8924 -0,162 -36,0 -100,7 -4,641 0,770 -0,779
Fl -58 0,450 -0,102 0,098 0,411 -286 -3307 -0,187 -6,2 -10,6 -0,643 0,127 -0,826
Agriculture -160 -0,375 -0,358 0,123 0,262 -1575 -8124 -0,162 -58,7 -206,1 -4,755 0,670 -0,749
Eau -160 -0,375 -0,358 0,123 0,262 -1575 -8124 -0,162 -58,7 -206,1 -4,755 0,670 -0,749
Urbain -58 0,450 -0,102 0,098 0,411 -286 -3307 -0,187 -6,2 -10,6 -0,643 0,127 -0,826
Foret -160 -0,375 -0,358 0,123 0,262 -1575 -8124 -0,162 -58,7 -206,1 -4,755 0,670 -0,749
Sans Veg -160 -0,375 -0,358 0,123 0,262 -1575 -8124 -0,160 -58,7 -206,1 -4,755 0,670 -0,749
127
28030 28086 28105 28108 28111 28125 28133 28134 29005 29007 37012
Altitude -6,349 -666 -3062 -0,038 0,269 0,756 -1,444 0,071 -0,522 -0,592 -0,052
Pente -5,028 -489 -635 -1,166 0,466 0,825 -1,497 0,658 -0,592 -0,714 -0,063
Superficie -6,349 -582 -4142 0,354 0,366 0,513 -1,844 0,071 -0,530 -0,587 -0,069
Ac -1,187 -666 -725 -0,414 0,363 0,755 -1,397 0,028 -0,605 -0,568 -0,089
CH -0,236 -164 -700 0,354 0,315 0,264 -1,770 0,028 -0,592 -0,749 -0,082
Ca -3,567 -1143 -4292 -1,031 0,565 0,273 -1,497 0,245 -0,517 -0,631 -0,067
Lu -1,187 -666 -725 -0,414 0,611 0,805 -1,397 0,028 -0,576 -0,568 -0,098
An -3,072 -666 -2594 -0,414 0,366 0,756 -1,444 0,658 -0,530 -0,610 -0,072
Le -1,187 -209 -935 -0,092 0,638 0,787 -1,405 0,793 -0,517 -0,735 -0,092
Re -2,149 -229 -2193 -0,844 0,714 0,702 -1,444 0,365 -0,603 -0,610 -0,085
Ve -7,149 -885 -3430 -0,673 0,593 0,513 -1,656 0,365 -0,592 -0,683 -0,098
Hi -7,137 -820 -2125 0,252 0,315 0,787 -1,497 0,718 -0,549 -0,631 -0,078
Pl -6,349 -1143 -3062 -1,063 0,746 0,273 -1,495 0,071 -0,605 -0,759 -0,092
cal -6,349 -554 -725 -1,031 0,496 0,513 -1,587 0,245 -0,522 -0,587 -0,087
GL -6,804 -1049 -3976 -0,844 0,466 0,770 -1,408 0,747 -0,605 -0,568 -0,093
So -3,960 -489 -4142 0,546 0,269 0,693 -1,497 0,503 -0,552 -0,631 -0,078
Fl -1,187 -209 -935 0,508 0,403 0,364 -1,771 0,133 -0,605 -0,759 -0,092
Agricul-
-3,072 -666 -2594 -0,414 0,366 0,756 -1,444 0,658 -0,605 -0,610 -0,072
ture
Eau -3,072 -666 -2594 -0,414 0,366 0,756 -1,444 0,658 -0,530 -0,610 -0,083
Urbain -1,187 -209 -935 0,508 0,403 0,364 -1,771 0,133 -0,536 -0,759 -0,092
Foret -3,072 -666 -2594 -0,414 0,366 0,756 -1,444 0,658 -0,530 -0,610 -0,072
Sans Veg -3,072 -666 -2594 -0,414 0,366 0,756 -1,444 0,658 -0,530 -0,610 -0,072
127
128
128
Tableau-A V-2 Performance des simulations en régionalisation par similitude physique selon le descripteur et le modèle GR4J
(critère de NSE)
18002 18161 18198 18200 18237 18288 18292 18301 18322 18342 18344 18348 18349
Altitude -0,024 -0,888 -685 -294 -76 -26 -114 -21 -11,1 -0,064 0,011 0,105 -29,27
Pente -1,207 -12,88 -12038 -10495 -1085 -9 -14 -9 -143,1 -2,168 0,010 0,105 -527,2
Superficie 0,143 -0,566 -685 -10495 -54 -241 -976 -186 -3,1 -1,076 -0,020 0,168 -16,46
Ac 0,245 -2,008 -726 -318 -65 -9 -55 -5 -0,2 -1,076 0,010 -0,136 -4,737
CH -1,207 -12,89 -12038 -2763 -430 -69 -272 -52 -143,1 -2,168 -0,003 -3,333 -89,21
Ca 0,409 -1,797 -1891 -383 -160 -16 -55 -11 -1,2 -0,064 0,007 -9,210 -24,50
Lu -0,024 -0,888 -685 -318 -76 -14 -55 -12 -0,6 0,461 0,010 -0,136 -4,73
An 0,121 -5,221 -4896 -2763 -430 -9 -45 -9 -41,3 -2,168 -0,243 -25,1 -89,2
Le 0,121 -5,221 -4896 -2763 -430 -69 -272 -52 -41,3 -2,168 -0,243 -25,1 -89,2
Re -1,207 -12,89 -12038 -2763 -1766 -162 -272 -52 -0,6 -2,168 -1,595 -145,3 -36,3
Ve -1,207 -12,89 -12038 -2763 -1085 -162 -272 -52 -143,1 0,000 -0,003 0,168 -247,4
Hi -1,207 -12,89 -12038 -5878 -1085 -162 -580 -132 -143,1 -7,664 0,006 -1,371 -247,4
Pl 0,121 -5,221 -4896 -1276 -430 -69 -272 -35 -0,9 -2,168 -0,243 -25,1 -89,2
cal 0,143 -0,566 -585 -1276 -331 -45 -41 -13 -0,9 0,109 0,005 -0,186 -6,610
GL 0,071 -0,476 -514 -213 -41 -11 -151 -25 -143,1 -7,664 0,008 -0,335 -45,18
So -0,024 -0,888 -685 -1160 -76 -69 -272 -52 -0,2 -2,168 -0,836 -0,186 -89,21
Fl 0,121 -5,221 -4896 -2763 -430 -69 -272 -52 -41,3 -2,168 -0,243 -25,06 -89,21
Agricultu-
0,121 -5,221 -4896 -2763 -430 -69 -272 -52 -41,3 -2,168 -0,243 -25,06 -89,21
re
Eau 0,121 -5,221 -4896 -2763 -430 -69 -272 -52 -41,3 -2,168 -0,243 -25,06 -89,21
Urbain 0,121 -5,221 -4896 -2763 -430 -69 -272 -52 -41,3 -2,168 -0,243 -25,06 -89,21
Foret 0,121 -5,221 -4896 -2763 -430 -69 -272 -52 -41,3 -2,168 -0,243 -25,06 -89,21
Sans Veg 0,225 -0,676 -626 -2763 -210 -34 -151 -52 -41,3 0,454 0,005 -1,371 -45,18
129
18352 18361 18374 18433 18434 18436 18485 18538 20005 20023 20026 20027 26007
Altitude 0,465 0,151 -0,281 -6,054 0,092 -0,773 -0,071 0,417 0,413 0,261 0,029 0,303 -2,474
Pente -2,774 -0,004 0,149 -1,102 0,256 -0,737 -0,069 0,176 0,151 0,148 0,080 0,056 -3,074
Superfi-
0,101 -2,481 -0,054 -26,6 -0,003 -0,743 -0,090 0,193 0,238 0,025 -3,922 0,056 -2,004
cie
Ac 0,465 -0,009 0,143 -6,054 -0,217 -0,565 -0,090 -0,070 0,460 0,261 -2,281 0,161 -1,757
CH -2,774 -10,529 -1,027 -77,717 0,251 -0,654 -0,019 -8,115 -2,558 -2,953 -10,399 -5,588 -1,669
Ca 0,465 -0,094 0,157 -3,883 -0,051 -0,832 -0,071 0,417 0,315 0,261 0,142 0,348 -2,004
Lu 0,465 -0,009 0,092 -6,054 -0,217 -0,565 -0,068 -1,353 0,452 0,136 0,231 0,161 -2,474
An -2,774 -10,529 -1,027 -77,7 0,251 -0,654 -0,019 -8,115 -2,558 -2,953 -10,399 -5,588 -2,675
Le -2,774 -10,529 -1,027 -77,7 0,251 -0,654 -0,019 -8,115 0,378 0,261 -3,063 0,348 -2,675
Re 0,505 -2,481 0,001 -416,1 -0,095 -0,565 -0,019 -2,596 0,413 -0,247 -0,167 -17,098 -1,985
Ve 0,360 -10,529 -1,027 -77,7 0,251 -0,565 -0,004 -8,115 -2,558 -2,953 -10,399 -5,588 -3,074
Hi 0,348 -25,766 -2,997 -177,9 -2,888 -0,565 -0,004 -0,307 0,378 0,261 -10,399 0,348 -3,074
Pl -2,774 -10,529 -1,027 -77,7 0,251 -0,654 -0,019 -8,115 -2,558 -2,953 -10,399 -5,588 -2,675
cal -0,543 -1,059 0,143 -6,054 -0,059 -0,842 -0,063 0,153 0,238 0,115 0,142 -0,881 -1,883
GL 0,101 0,151 -0,281 -77,7 -0,003 -0,885 -0,078 -8,115 0,378 0,261 -3,922 -1,951 -2,675
So 0,360 -25,766 0,095 -1,102 0,092 -0,654 -0,056 -2,177 0,238 0,148 0,080 0,175 -2,675
Fl -2,774 -10,529 -1,027 -77,7 0,251 -0,654 -0,019 -8,115 -2,558 -2,953 -10,399 -5,588 -2,675
Agricul-
-2,774 -10,529 -1,027 -77,7 0,251 -0,654 -0,019 -8,115 -2,558 -2,953 -10,399 -5,588 -2,675
ture
Eau -2,774 -10,529 -1,027 -77,7 0,251 -0,654 -0,019 -8,115 -2,558 -2,953 -10,399 -5,588 -2,675
Urbain -2,774 -10,529 -1,027 -77,7 0,251 -0,654 -0,019 -8,115 -2,558 -2,953 -10,399 -5,588 -2,675
Foret -2,774 -10,529 -1,027 -77,7 0,251 -0,654 -0,019 -8,115 -2,558 -2,953 -10,399 -5,588 -2,675
Sans Veg -2,774 -10,529 -1,027 -77,7 0,141 -0,654 -0,019 -2,596 -0,546 0,136 0,231 -5,588 -2,675
129
130
130
26039 26053 26057 26076 26118 26120 26217 26224 26243 26248 26249 26263 26267
Altitu-
-43,1 -3,205 -7,900 -136,5 -7,167 -1,272 -12,994 -0,502 0,230 0,376 0,622 0,328 0,703
de
Pente -502,8 -1,309 -3,545 -171,2 -5,110 0,251 -12,994 -0,158 0,350 0,376 0,229 0,328 0,494
Superfi-
-59,8 -54,157 0,055 -47,6 -4,243 -1,272 -12,994 0,261 0,347 0,203 0,208 0,628 -0,261
cie
Ac -62,5 0,230 -3,545 -136,5 -6,076 0,061 -6,097 -0,048 0,501 0,179 -13,845 0,628 0,299
CH -121,5 -11,320 -23,911 -112,8 -4,395 -14,309 -6,097 0,261 0,230 0,336 0,208 0,329 -0,582
Ca -43,1 -3,205 -7,900 -117,8 -4,243 -1,272 -4,407 0,261 0,501 0,086 -13,845 0,516 -0,177
Lu -25,7 -0,929 -1,915 -136,5 -7,167 -0,554 -6,097 -0,048 0,501 0,179 -13,845 0,628 0,299
An -121,5 -11,320 -23,911 -437,7 -4,376 -5,061 -6,097 -0,951 0,410 0,336 -0,954 0,628 -0,582
Le -121,5 -11,320 -23,911 -114,1 -4,376 -5,061 -6,097 -0,951 0,410 0,336 -0,954 0,628 -0,582
Re -309,2 -0,929 -0,947 -1308,3 -6,244 0,251 -6,097 0,483 0,410 0,376 0,261 -0,069 -0,582
Ve -121,5 -32,005 -67,446 -844,0 -5,110 -5,061 -6,097 0,500 0,332 0,179 0,718 0,516 0,257
Hi -309,2 -11,320 -67,446 -204,5 -5,110 -1,272 -5,645 -0,048 0,324 0,385 0,718 0,328 0,289
Pl -7,1 -5,551 -1,179 -204,5 -4,376 -1,889 -6,097 -0,951 0,410 0,336 -0,954 0,628 -0,582
cal -14,6 -3,205 -7,900 -101,4 -6,335 -1,272 -6,097 -0,048 0,350 0,113 0,116 -0,070 0,756
GL -25,7 -11,320 -23,911 -111,9 -4,376 -5,061 -6,097 0,483 0,332 0,104 0,208 0,171 0,713
So -121,5 -11,320 -23,911 -114,1 -3,964 -2,041 -6,650 0,500 0,350 0,252 0,229 0,381 0,702
Fl -121,5 -11,320 -23,911 -437,7 -4,376 -5,061 -6,097 -0,951 0,410 0,336 -0,954 0,628 -0,582
Agricul
-121,5 -11,320 -23,911 -437,7 -4,376 -5,061 -6,097 -0,951 0,410 0,336 -0,954 0,628 -0,582
-ture
Eau -121,5 -11,320 -23,911 -437,7 -4,376 -5,061 -6,097 -0,951 0,410 0,336 -0,954 0,628 -0,582
Urbain -121,5 -11,320 -23,911 -437,7 -4,376 -5,061 -6,097 -0,951 0,410 0,336 -0,954 0,628 -0,582
Foret -121,5 -11,320 -23,911 -437,7 -4,376 -5,061 -6,097 -0,951 0,410 0,336 -0,954 0,628 -0,582
Sans
-121,5 -11,320 -23,911 -275,7 -4,376 -5,061 -6,097 -0,951 0,410 0,336 0,414 0,628 -0,582
Veg
131
26270 26118 26120 26217 26224 26243 26248 26249 26263 26267 26270 26273 26280
Altitu-
-0,414 -7,167 -1,272 -12,994 -0,502 0,230 0,376 0,622 0,328 0,703 -0,414 -1,593 -3,522
de
Pente -0,412 -5,110 0,251 -12,994 -0,158 0,350 0,376 0,229 0,328 0,494 -0,412 -0,875 -10,946
Super-
-0,419 -4,243 -1,272 -12,994 0,261 0,347 0,203 0,208 0,628 -0,261 -0,419 0,128 -1,774
ficie
Ac -0,397 -6,076 0,061 -6,097 -0,048 0,501 0,179 -13,845 0,628 0,299 -0,397 0,128 -3,982
CH -0,401 -4,395 -14,309 -6,097 0,261 0,230 0,336 0,208 0,329 -0,582 -0,401 -5,589 -21,777
Ca -0,412 -4,243 -1,272 -4,407 0,261 0,501 0,086 -13,845 0,516 -0,177 -0,412 -0,741 -0,142
Lu -0,397 -7,167 -0,554 -6,097 -0,048 0,501 0,179 -13,845 0,628 0,299 -0,397 -0,171 -3,982
An -0,401 -4,376 -5,061 -6,097 -0,951 0,410 0,336 -0,954 0,628 -0,582 -0,401 -5,589 -21,777
Le -0,401 -4,376 -5,061 -6,097 -0,951 0,410 0,336 -0,954 0,628 -0,582 -0,401 -5,589 -21,777
Re -0,401 -6,244 0,251 -6,097 0,483 0,410 0,376 0,261 -0,069 -0,582 -0,401 -3,500 -0,142
Ve -0,401 -5,110 -5,061 -6,097 0,500 0,332 0,179 0,718 0,516 0,257 -0,401 -1,873 -1,774
Hi -0,397 -5,110 -1,272 -5,645 -0,048 0,324 0,385 0,718 0,328 0,289 -0,397 -1,593 -3,737
Pl -0,401 -4,376 -1,889 -6,097 -0,951 0,410 0,336 -0,954 0,628 -0,582 -0,401 -0,875 -21,777
cal -0,401 -6,335 -1,272 -6,097 -0,048 0,350 0,113 0,116 -0,070 0,756 -0,401 -1,593 -3,982
GL -0,401 -4,376 -5,061 -6,097 0,483 0,332 0,104 0,208 0,171 0,713 -0,401 -5,589 -3,522
So -0,401 -3,964 -2,041 -6,650 0,500 0,350 0,252 0,229 0,381 0,702 -0,401 -5,589 -1,518
Fl -0,401 -4,376 -5,061 -6,097 -0,951 0,410 0,336 -0,954 0,628 -0,582 -0,401 -5,589 -21,777
Agricul
-0,401 -4,376 -5,061 -6,097 -0,951 0,410 0,336 -0,954 0,628 -0,582 -0,401 -5,589 -21,777
-ture
Eau -0,401 -4,376 -5,061 -6,097 -0,951 0,410 0,336 -0,954 0,628 -0,582 -0,401 -5,589 -21,777
Urbain -0,401 -4,376 -5,061 -6,097 -0,951 0,410 0,336 -0,954 0,628 -0,582 -0,401 -5,589 -21,777
Foret -0,401 -4,376 -5,061 -6,097 -0,951 0,410 0,336 -0,954 0,628 -0,582 -0,401 -5,589 -21,777
Sans
-0,401 -4,376 -5,061 -6,097 -0,951 0,410 0,336 0,414 0,628 -0,582 -0,401 -5,589 -21,777
Veg
131
132
132
26285 26289 26292 26293 26296 26311 26334 26336 26356 26357 26388 26400 26423 26429 26458
Altitude -5,25 -0,11 -11,89 -0,03 -16,97 -4E+04 0,05 -3,17 -0,04 0,35 -0,03 -0,72 0,29 -1,83 0,16
Pente 0,25 -0,15 -8,23 -0,09 -1,17 -1E+06 -0,09 -3,17 0,28 -3,82 -0,02 -0,77 0,24 -0,31 0,14
Superfi-
0,21 -0,09 -8,53 0,00 -1,31 -4E+04 0,05 -4,51 0,13 -0,27 -0,11 -0,78 0,16 -4,86 -0,19
cie
Ac -1,44 -0,13 -0,43 -0,04 -0,93 -3E+03 -0,28 -4,23 0,12 -0,22 0,01 -0,72 0,31 -7,47 -0,03
CH -5,25 -0,12 -11,89 -0,04 -1,61 -3E+04 -0,12 -3,90 0,12 0,35 -0,11 -0,76 0,12 -0,28 0,31
Ca -0,04 -0,14 0,14 -0,09 0,00 -1E+04 -0,35 -4,33 0,28 -5,20 -0,07 -0,77 0,29 -1,12 0,16
Lu -1,44 -0,13 -0,43 -0,04 -0,93 -3E+03 -0,34 -4,23 0,14 -0,60 0,01 -0,72 0,25 -7,47 0,04
An -5,25 -0,12 -74,35 -0,04 -16,97 -1E+05 -0,12 -3,90 0,48 -6,05 -0,04 -0,72 0,26 -2,72 0,31
Le -5,25 -0,12 -74,35 -0,04 -16,97 -1E+05 -0,12 -3,90 -0,21 0,49 -0,11 -0,78 0,15 -0,14 0,31
Re -0,04 -0,14 -173,1 -0,04 -0,93 -3E+03 -0,09 -4,51 0,06 -1,22 -0,11 -0,76 0,26 -5,52 -0,03
Ve 0,14 -0,12 -1,37 -0,04 0,00 -5E+05 -0,12 -3,90 0,14 -0,60 -0,03 -0,76 0,34 -5,50 0,31
Hi -1,09 -0,11 -8,23 -0,03 -1,61 -4E+04 -0,09 -3,31 -0,04 -5,20 -0,09 -0,75 0,25 -1,12 0,37
Pl -5,25 -0,12 -74,35 -0,04 -16,97 -4E+04 -0,12 -3,90 -0,02 0,50 -0,11 -0,78 0,15 -0,14 -0,05
cal 0,14 -0,13 -8,53 -0,04 -35,85 -5E+03 -0,28 -3,17 0,13 -6,25 -0,02 -0,74 0,30 -1,12 0,16
GL -1,13 -0,12 -0,43 -0,04 0,26 -1E+05 -0,12 -3,90 -0,04 -5,20 -0,09 -0,75 0,34 -4,86 0,31
So 0,14 -0,15 -2,20 -0,04 0,00 -5E+02 0,05 -3,17 0,54 0,50 -0,03 -0,78 0,29 -2,26 0,31
Fl -5,25 -0,12 -74,35 -0,04 -16,97 -1E+05 -0,12 -3,90 -0,21 0,49 -0,11 -0,78 0,15 -0,14 0,31
Agricul-
-5,25 -0,12 -74,35 -0,04 -16,97 -1E+05 -0,12 -3,90 0,48 -6,05 -0,04 -0,72 0,26 -2,72 0,31
ture
Eau -5,25 -0,12 -8,53 -0,04 -0,93 -1E+05 -0,12 -3,90 0,48 -6,05 -0,04 -0,72 0,26 -2,72 0,31
Urbain -5,25 -0,12 -74,35 -0,04 -16,97 -1E+05 -0,12 -3,90 -0,21 0,49 -0,11 -0,78 0,15 -0,14 0,31
Foret -5,25 -0,12 -74,35 -0,04 -16,97 -1E+05 -0,12 -3,90 0,48 -6,05 -0,04 -0,72 0,26 -2,72 0,31
Sans
-5,25 -0,12 -41,75 -0,04 -0,44 -1E+05 -0,12 -3,90 0,48 -6,05 -0,04 -0,72 0,26 -2,72 0,31
Veg
133
26430 26431 26443 26445 27001 27002 27004 27020 27023 27029 27033 27035 27036 27037
Altitude 0,275 0,111 -0,019 -87,2 0,322 0,115 0,402 -4,063 -8829 -135,5 -130,7 -0,535 -0,400 0,158
Pente 0,246 0,111 -1,781 -87,2 0,326 0,115 -0,712 -2,769 -38465 -46,1 -203,7 -2,253 -0,357 0,156
Superfi-
0,438 -0,041 0,152 -3,2 0,172 -0,022 0,218 -2,445 -38465 -142,0 -960,3 -17,410 -2,914 -0,243
cie
Ac 0,370 0,098 0,143 -38,5 0,432 -0,058 0,218 -0,776 -10516 -104,5 -38,3 -1,212 -0,060 0,073
CH 0,463 -0,024 0,185 -11,6 -0,027 0,028 0,194 -8,031 -15961 -287,2 -373,7 -4,394 -0,993 0,105
Ca 0,764 0,149 0,169 -22,6 -0,061 -0,022 0,406 -3,778 -7340 -46,1 -206,6 -1,541 -0,475 0,155
Lu 0,370 0,098 -0,021 -17,5 0,394 -0,090 0,348 -6,781 -10516 -135,5 -178,2 -1,934 -0,416 0,114
An 0,731 0,136 -1,418 -106,8 -0,027 0,028 0,194 -8,031 -15961 -287,2 -373,7 -4,394 -0,993 0,105
Le 0,275 0,001 0,143 -1,2 0,528 0,028 0,194 -8,031 -15961 -287,2 -373,7 -4,394 -0,993 0,105
Re 0,470 0,136 0,143 -22,6 0,184 -0,115 0,491 -8,031 -15961 -287,2 -373,7 -4,394 -0,993 0,105
Ve 0,367 0,113 -1,941 -113,7 -0,027 0,038 0,122 -8,031 -15961 -287,2 -373,7 -4,394 -0,993 0,105
Hi 0,463 0,086 -1,396 -29,7 0,483 0,038 -0,033 -14,388 -25455 -506,4 -680,8 -10,642 -1,868 0,149
Pl 0,275 0,001 -1,307 -1,2 0,322 0,028 0,194 -2,914 -8241 -12,1 -168,4 -0,690 -0,060 0,158
cal 0,470 0,086 -1,396 -87,2 0,432 -0,022 0,224 -3,737 -8829 -100,9 -181,9 -0,944 -0,454 0,149
GL 0,098 0,183 0,114 -12,8 0,241 0,001 0,218 -8,789 -12198 -135,5 -374,1 -4,394 -0,993 0,105
So 0,214 0,110 -0,567 -38,5 -0,027 -0,073 0,491 -8,031 -15961 -287,2 -373,7 -4,394 -0,993 0,105
Fl 0,275 0,001 0,143 -1,2 -0,027 0,028 0,194 -8,031 -15961 -287,2 -373,7 -4,394 -0,993 0,105
Agricul-
0,731 0,136 -1,418 -106,8 -0,027 0,028 0,194 -8,031 -15961 -287,2 -373,7 -4,394 -0,993 0,105
ture
Eau 0,731 0,136 -1,418 -106,8 -0,027 0,028 0,194 -8,031 -15961 -287,2 -373,7 -4,394 -0,993 0,105
Urbain 0,275 0,001 0,143 -1,2 -0,027 0,028 0,194 -8,031 -15961 -287,2 -373,7 -4,394 -0,993 0,105
Foret 0,731 0,136 -1,418 -106,8 -0,027 0,028 0,194 -8,031 -15961 -287,2 -373,7 -4,394 -0,993 0,105
Sans
0,731 0,136 -1,418 -106,8 0,602 0,028 0,122 -8,031 -15961 -287,2 -373,7 -4,394 -0,993 0,105
Veg
133
134
134
27038 27040 27041 27049 27055 27069 28003 28018 28030 28086 28105 28108 28111 28125
Altitude 0,623 -1696 -7410 -0,107 -201,0 -6,903 0,366 -0,598 -6,901 -639 -1998 0,042 0,448 0,760
Pente 0,704 -810 -10465 -0,170 -539,6 -6,903 0,699 -0,639 -9,078 -386 -338 -0,211 0,402 0,653
Superfi-
-0,792 -1059 -51435 -0,077 -104,8 -0,823 0,574 -0,598 -26,182 -432 -4122 0,233 0,409 0,653
cie
Ac 0,211 -1302 -2309 -0,188 -2,2 -6,903 0,487 -0,800 -1,590 -639 -2479 -0,225 0,265 0,744
CH -0,792 -3720 -20429 -0,123 -539,6 -2,495 0,690 -0,686 -13,534 -1859 -6617 -3,454 -0,400 0,489
Ca 0,704 -2601 -11364 -0,149 -539,6 -4,083 0,574 -0,839 -2,008 -1183 -4569 -0,612 0,482 0,653
Lu 0,529 -1302 -10212 -0,158 -104,8 -6,903 0,487 -0,800 -4,980 -639 -2479 -0,225 0,501 0,491
An -0,792 -3720 -20429 -0,123 -539,6 -16,634 0,690 -0,686 -13,534 -1859 -6617 -3,454 -0,400 0,489
Le -0,792 -3720 -20429 -0,166 -539,6 -16,634 0,717 -0,686 -13,534 -1859 -6617 0,553 0,460 0,611
Re 0,429 -3720 -20429 -0,123 -2553,9 -44,493 0,029 -0,686 -46,102 -277 -17782 -0,715 0,670 0,604
Ve -0,792 -3720 -20429 -0,123 -312,3 -16,634 0,690 -0,639 -13,534 -1859 -6617 -3,454 -0,400 0,489
Hi 0,408 -7215 -35323 -0,107 -60,3 -2,976 0,489 -0,789 -9,078 -1469 -1692 0,035 0,095 0,489
Pl 0,695 -2891 -9072 -0,123 -21,0 -11,959 0,366 -0,686 -6,901 -1183 -1998 -0,840 0,597 0,653
cal 0,112 -1437 -10465 -0,158 -79,6 -2,738 0,632 -0,739 -6,901 -463 -1975 -0,612 0,467 0,708
GL -0,792 -3274 -19823 -0,127 -119,1 -2,495 0,690 -0,686 -13,534 -1859 -6617 -3,454 -0,400 0,489
So -0,792 -3720 -20429 -0,164 -539,6 -16,634 0,750 -0,686 -7,336 -386 -4122 -0,211 0,448 0,656
Fl -0,792 -3720 -20429 -0,123 -539,6 -16,634 0,690 -0,686 -13,534 -1859 -6617 -3,454 -0,400 0,489
Agricul-
-0,792 -3720 -20429 -0,123 -539,6 -16,634 0,690 -0,686 -13,534 -1859 -6617 -3,454 -0,400 0,489
ture
Eau -0,792 -3720 -20429 -0,123 -539,6 -16,634 0,690 -0,686 -13,534 -1859 -6617 -3,454 -0,400 0,489
Urbain -0,792 -3720 -20429 -0,123 -539,6 -16,634 0,690 -0,686 -13,534 -1859 -6617 -3,454 -0,400 0,489
Foret -0,792 -3720 -20429 -0,123 -539,6 -16,634 0,690 -0,686 -13,534 -1859 -6617 -3,454 -0,400 0,489
Sans Veg -0,792 -3720 -20429 -0,140 -539,6 -16,634 0,690 -0,686 -13,534 -1859 -6617 -3,454 -0,400 0,489
135
135
136
136
Tableau-A V-3 Performance des simulations en régionalisation par similitude physique selon le descripteur et le modèle Mohyse
(critère de NSE)
18002 18161 18198 18200 18237 18288 18292 18301 18322 18342 18344 18348 18349 18352
Altitude 0,082 -2,499 -2710 -139 -226 -0,52 -7,4 -2,944 0,256 0,079 0,007 -0,067 -1,190 -0,192
Pente -0,276 -8,476 -7408 -5877 -226 -8,19 -20,6 -9,352 -83,123 -4,661 0,008 -1,854 -267,18 0,342
Superfi
0,093 -1,009 -514 -41 -49 -126,71 -520,9 -0,050 -1,318 -0,990 -0,044 0,177 -38,672 0,437
cie
Ac 0,345 -2,499 -1358 -408 -226 -7,69 -25,8 -2,944 -1,318 -0,990 0,005 -7,806 -3,214 0,386
CH -0,276 -2,499 -2710 -3747 -629 -83,37 -321,7 -60,593 0,256 -4,661 -0,084 0,413 -163,12 -6,073
Ca -0,049 -2,499 -134 -324 -226 -7,28 -43,0 -4,024 0,196 0,374 0,014 -0,256 -71,885 0,526
Lu 0,093 -1,009 -514 -50 -51 -7,72 -39,4 -9,127 -1,318 -0,353 0,005 -7,806 -8,690 0,303
An -0,248 -8,404 -7401 -3747 -629 -8,19 -44,7 -10,568 -82,694 -4,661 -0,577 -46 -163 -6,073
Le -0,248 -8,404 -7401 -3747 -629 -83,37 -321,7 -60,593 -82,694 -4,661 -0,577 -46 -163 -6,073
Re -0,184 -2,499 -2710 -3747 -27 -0,52 -321,7 -60,593 0,037 -4,661 0,008 -72,1 -104,1 0,401
Ve -0,276 -2,499 -2710 -3747 -226 -32,19 -321,7 -60,593 -22,709 -0,284 0,008 0,177 -43,579 -0,574
Hi -0,276 -8,476 -7408 -3752 -629 -83,51 -321,7 -60,582 -83,123 -4,711 -0,077 -2,307 -163,16 0,041
Pl -0,248 -8,404 -7401 -1791 -629 -83,37 -321,7 -32,613 -3,128 -4,661 -0,577 -46 -163 -6,073
cal 0,093 -2,499 -542 -1791 -11 -4,26 -52,1 -10,425 -3,128 -0,333 0,008 0,306 -45,022 -0,421
GL 0,072 -2,499 -2710 -137 -51 -18,89 -109,6 -9,127 -83,123 -4,711 -0,029 -3,154 -44,698 0,137
So 0,082 -0,325 -169 -2316 -8 -83,37 -321,7 -60,593 -3,129 -4,661 -0,583 -1,668 -163,12 -0,574
Fl -0,248 -8,404 -7401 -3747 -629 -83,37 -321,7 -60,593 -82,694 -4,661 -0,577 -46 -163 -6,073
Agricult
-0,248 -8,404 -7401 -3747 -629 -83,37 -321,7 -60,593 -82,694 -4,661 -0,577 -46 -163 -6,073
ure
Eau -0,248 -8,404 -7401 -3747 -629 -83,37 -321,7 -60,593 -82,694 -4,661 -0,577 -46 -163 -6,073
Urbain -0,248 -8,404 -7401 -3747 -629 -83,37 -321,7 -60,593 -82,694 -4,661 -0,577 -46 -163 -6,073
Foret -0,248 -8,404 -7401 -3747 -629 -83,37 -321,7 -60,593 -82,694 -4,661 -0,577 -46 -163 -6,073
Sans
0,379 -2,499 -1738 -3747 -8 -7,72 -39,4 -60,593 -82,694 -0,539 0,008 -2,307 -8,690 -6,073
Veg
137
18361 18374 18433 18434 18436 18485 18538 20005 20023 20026 20027 26007 26039 26053
Altitude 0,024 -0,107 -28 -0,190 -0,692 -0,074 0,183 0,320 0,139 0,422 -0,207 -1,703 -2,5 0,351
Pente -0,737 0,147 -6 0,458 -0,715 -0,078 -1,488 -0,677 0,065 0,412 -1,784 -1,703 -278,4 -0,627
Superfici
-8,032 0,013 -11 0,076 -0,762 -0,074 -0,259 -0,848 0,013 0,327 -0,036 -1,240 -112,8 -0,207
e
Ac 0,110 0,160 -3 -0,186 -0,599 -0,066 -0,155 0,379 0,254 -2,212 0,219 -1,143 -48,6 0,351
CH -17,061 -1,923 -120 -1,245 -0,601 -0,012 -16,83 -6,123 -9,03 -25,17 -11,60 -1,27 -176,7 -14,50
Ca -0,737 0,079 -28 0,346 -0,807 -0,066 0,183 0,302 0,254 -0,217 0,288 -1,240 -59,8 0,351
Lu 0,110 0,147 -10 -0,186 -0,599 -0,060 0,265 0,428 0,203 -1,848 0,219 -1,866 -14,5 -0,627
An -17,061 -1,923 -120 -1,245 -0,601 -0,012 -16,83 -6,123 -9,03 -25,17 -11,60 -2,096 -176,7 -14,50
Le -17,061 -1,923 -120 -1,245 -0,601 -0,012 -16,83 0,390 0,178 -15,41 -0,036 -2,096 -176,7 -14,50
Re -8,032 0,149 -7 0,482 -0,599 -0,012 -3,914 0,320 -2,249 0,005 -11,71 -1,691 -2,6 0,272
Ve -17,061 -1,923 -120 -0,117 -0,737 -0,046 -16,83 -6,123 -9,029 -25,17 -11,60 -1,703 -176,7 -4,171
Hi -17,328 -1,973 -120 -1,253 -0,599 -0,013 -2,485 0,390 0,254 -0,217 -0,036 -1,985 -176,8 -14,50
Pl -17,061 -1,923 -120 -1,245 -0,601 -0,012 -16,83 -6,123 -9,029 -25,17 -11,60 -2,096 -2,5 -6,611
cal -0,923 0,160 -3 0,330 -0,814 -0,060 0,506 -0,848 -1,140 -0,217 -3,541 -1,390 -45,0 -2,678
GL -2,178 -0,107 -120 0,164 -0,848 -0,046 -16,83 0,390 -1,140 -4,313 -0,207 -2,096 -9,1 -14,50
So -17,328 -0,048 -3 -0,190 -0,601 -0,049 0,269 -0,711 0,065 0,411 0,233 -2,096 -176,7 -14,50
Fl -17,061 -1,923 -120 -1,245 -0,601 -0,012 -16,83 -6,123 -9,029 -25,17 -11,60 -2,096 -176,7 -14,50
Agricultu
-17,061 -1,923 -120 -1,245 -0,601 -0,012 -16,83 -6,123 -9,029 -25,17 -11,60 -2,096 -176,7 -14,50
re
Eau -17,061 -1,923 -120 -1,245 -0,601 -0,012 -16,83 -6,123 -9,029 -25,17 -11,60 -2,096 -176,7 -14,50
Urbain -17,061 -1,923 -120 -1,245 -0,601 -0,012 -16,83 -6,123 -9,029 -25,17 -11,60 -2,096 -176,7 -14,50
Foret -17,061 -1,923 -120 -1,245 -0,601 -0,012 -16,83 -6,123 -9,029 -25,17 -11,60 -2,096 -176,7 -14,50
Sans Veg -17,061 -1,923 -120 -0,117 -0,601 -0,012 0,500 0,193 -0,379 -1,848 -11,60 -2,096 -176,7 -14,50
137
138
138
26057 26076 26118 26120 26217 26224 26243 26248 26249 26263 26267 26270 26273 26280
Altitude 0,017 -57,9 -3,916 0,229 -13,703 0,542 0,170 0,283 0,326 0,200 0,497 -0,416 0,237 -1,987
Pente -9,878 -18,4 -3,916 0,219 -13,703 0,297 0,293 0,283 0,424 0,375 0,581 -0,415 -1,583 -8,085
Superfici
-0,448 -18,4 -3,405 -0,849 -13,703 0,536 0,291 0,228 0,167 0,070 0,430 -0,420 0,195 0,381
e
Ac -9,878 -47,6 -5,213 0,217 -6,453 0,058 0,504 0,091 0,511 0,521 0,439 -0,405 -0,498 -4,568
CH -33,97 -22,7 -4,376 -6,919 -6,453 0,699 0,170 0,284 0,422 -0,045 -0,534 -0,405 -6,335 -26,703
Ca -10,92 -146,2 -3,689 -0,849 -2,710 0,699 0,504 -0,022 -9,377 0,421 0,739 -0,419 -0,498 -0,650
Lu -1,237 -47,6 -6,017 -0,181 -6,453 0,058 0,504 0,056 0,511 0,521 0,439 -0,405 -0,119 -4,568
An -33,97 -449,7 -6,115 -6,929 -6,453 -1,049 0,367 0,284 0,167 0,521 -0,534 -0,405 -6,335 -26,703
Le -33,9 -99,9 -6,115 -6,929 -6,453 -1,049 0,087 0,284 -3,329 0,521 -0,534 -0,405 -6,335 -26,703
Re -2,617 -738,8 -6,010 0,219 -6,453 0,263 0,367 -0,003 0,511 0,104 -0,534 -0,405 -3,724 -0,650
Ve -10,92 -442,3 -3,916 -6,929 -6,453 0,653 0,344 0,091 0,509 0,375 0,702 -0,405 -1,321 0,381
Hi -33,99 -126,5 -6,099 0,229 -6,161 0,058 0,170 0,286 0,363 0,200 -0,035 -0,405 0,237 -0,329
Pl -3,560 -126,5 -6,115 -2,841 -6,453 -1,049 0,087 0,284 -3,329 0,521 -0,534 -0,405 -1,583 -26,703
cal -7,507 -37,0 -4,876 -0,849 -6,453 0,058 0,367 0,080 0,167 -0,096 0,797 -0,405 -1,287 -4,568
GL -33,97 -57,9 -6,115 -6,929 -6,453 0,147 0,344 0,067 0,159 0,322 0,503 -0,405 -6,335 -1,987
So -33,97 -99,9 -2,470 -3,737 -5,017 0,653 0,172 0,193 0,269 0,322 0,445 -0,405 -6,335 -2,253
Fl -33,97 -449,7 -6,115 -6,929 -6,453 -1,049 0,087 0,284 -3,329 0,521 -0,534 -0,405 -6,335 -26,703
Agricultu
-33,97 -18,4 -6,115 -6,929 -6,453 -1,049 0,367 0,284 -3,329 0,521 -0,534 -0,405 -6,335 -26,703
re
Eau -33,97 -449,7 -6,115 -6,929 -6,453 -1,049 0,367 0,284 0,511 0,521 -0,534 -0,405 -6,335 -26,703
Urbain -33,97 -449,7 -6,115 -6,929 -6,453 -1,049 0,087 0,284 -3,329 0,521 -0,534 -0,405 -6,335 -26,703
Foret -33,97 -449,7 -6,115 -6,929 -6,453 -1,049 0,367 0,284 -3,329 0,521 -0,534 -0,405 -6,335 -26,703
Sans Veg -33,97 -129,4 -6,115 -6,929 -6,453 -1,049 0,367 0,284 0,363 0,521 -0,534 -0,405 -6,335 -26,703
139
26285 26289 26292 26293 26296 26311 26334 26336 26356 26357 26388 26400 26423 26429
Altitude -5,218 -0,123 -24,01 -0,081 -39,5 -5E+04 -0,168 -4,290 -0,056 -4,987 0,053 -0,670 0,375 -1,845
Pente 0,709 -0,149 -18,70 -0,068 -0,005 -6E+05 -0,233 -4,290 0,101 -4,607 -0,067 -0,761 0,375 0,028
Superfici
0,468 -0,108 -9,58 -0,182 -2,7 -2E+04 -0,373 -4,359 0,347 -1,224 -0,170 -0,797 -0,022 -1,603
e
Ac -3,073 -0,133 -3,47 -0,068 -0,5 -6E+03 -0,233 -4,227 0,078 -0,905 -0,037 -0,670 0,283 -2,995
CH -5,218 -0,121 -0,16 -0,068 -3,5 -3E+03 -0,115 -4,083 -1,016 -1,278 0,060 -0,671 0,412 -12,416
Ca 0,372 -0,154 -22,44 -0,141 0,3 -2E+04 -0,312 -4,168 0,101 -8,124 -0,103 -0,764 0,170 -0,645
Lu -3,073 -0,133 -3,47 -0,068 -0,5 -2E+04 -0,308 -4,227 0,132 -0,686 -0,037 -0,670 0,283 -2,995
An -5,218 -0,121 -153,19 -0,068 -39,5 -3E+05 -0,115 -4,083 -1,016 -27,205 0,060 -0,671 0,412 -12,416
Le -5,218 -0,121 -153,19 -0,068 -39,5 -3E+05 -0,115 -4,083 -1,016 -27,205 0,060 -0,671 0,412 -12,416
Re 0,372 -0,147 -24,65 -0,068 -0,5 -6E+03 -0,233 -4,479 0,027 -8,124 0,053 -0,670 0,171 -6,281
Ve 0,647 -0,121 0,15 -0,068 0,302 -3E+05 -0,115 -4,083 -1,016 -27,205 0,060 -0,671 0,412 -12,416
Hi -0,272 -0,123 -18,70 -0,081 -3,5 -5E+04 -0,123 -4,082 -0,056 -4,987 -0,107 -0,670 0,375 -12,131
Pl -5,218 -0,121 -153,19 -0,068 -39,5 -5E+04 -0,115 -4,083 0,307 0,249 0,060 -0,671 0,412 -12,416
cal 0,409 -0,147 -9,58 -0,068 -39,4 -8E+04 -0,157 -4,290 0,347 -10,084 -0,067 -0,745 0,234 -12,416
GL 0,344 -0,121 -9,49 -0,068 -4,1 -3E+05 -0,115 -4,083 -1,016 -27,205 -0,033 -0,797 0,412 -12,416
So 0,409 -0,149 -1,97 -0,068 0,302 -1E+04 -0,168 -4,290 0,240 0,249 -0,028 -0,785 0,272 -0,095
Fl -5,218 -0,121 -153,19 -0,068 -39,5 -3E+05 -0,115 -4,083 -1,016 -27,205 0,060 -0,671 0,412 -12,416
Agricultu
-5,218 -0,121 -153,19 -0,068 -39,5 -3E+05 -0,115 -4,083 -1,016 -27,205 0,060 -0,671 0,412 -12,416
re
Eau -5,218 -0,121 -1,30 -0,068 -0,5 -3E+05 -0,115 -4,083 -1,016 -27,205 0,060 -0,671 0,412 -12,416
Urbain -5,218 -0,121 -153,19 -0,068 -39,5 -3E+05 -0,115 -4,083 -1,016 -27,205 0,060 -0,671 0,412 -12,416
Foret -5,218 -0,121 -153,19 -0,068 -39,5 -3E+05 -0,115 -4,083 -1,016 -27,205 0,060 -0,671 0,412 -12,416
Sans Veg -5,218 -0,121 -32,37 -0,068 0,272 -3E+05 -0,115 -4,083 -1,016 -27,205 0,060 -0,671 0,412 -12,416
139
140
140
26430 26431 26443 26445 26458 27001 27002 27004 27020 27023 27029 27033 27035 27036
Altitude 0,194 0,075 0,221 -89,2 -0,150 0,439 0,050 0,547 -1,964 -1537 -124 -73,0 0,748 -0,099
Pente 0,441 0,075 -4,410 -872,3 0,162 0,303 0,050 -0,655 -0,581 -24248 -13 -20,9 -0,232 -0,344
Superfi
0,467 -0,237 -0,178 0,0 -0,101 0,338 -0,184 0,142 -0,567 -201 -73 -563,6 -9,447 0,000
cie
Ac 0,410 0,053 0,172 -30,1 -0,150 0,308 -0,104 0,501 -0,013 -5338 -51 -68,9 0,430 -0,185
CH 0,596 0,263 -6,707 -512,3 0,240 0,095 -0,002 -0,458 -5,054 -12612 -271 -323,7 -3,187 -0,860
Ca 0,782 0,138 0,180 -43,4 -0,150 0,081 -0,140 0,528 -0,013 -1583 -85 -68,9 0,430 -0,185
Lu 0,410 0,053 -0,202 -16,6 -0,019 0,308 -0,117 0,501 -3,061 -6521 -85 -102,5 -0,404 -0,276
An 0,005 0,263 -6,707 -512,3 0,240 0,095 -0,002 -0,458 -5,054 -12612 -271 -323,7 -3,187 -0,860
Le 0,005 0,263 -6,707 -512,3 0,240 0,480 -0,002 -0,458 -5,054 -12612 -271 -323,7 -3,187 -0,860
Re 0,005 0,263 -2,360 -43,4 -0,026 0,511 -0,136 0,570 -5,054 -12612 -271 -323,7 -3,187 -0,860
Ve 0,685 0,263 -1,781 -512,9 0,240 0,095 -0,060 0,272 -5,054 -12612 -271 -323,7 -3,187 -0,860
Hi 0,596 0,258 -1,328 -512,9 0,226 0,629 -0,021 0,160 -4,631 -11893 -265 -319,1 -3,264 -0,848
Pl 0,005 0,263 -1,822 -512,3 -0,115 -0,286 -0,002 -0,458 -1,145 -7071 -23 -68,9 0,430 -0,076
cal 0,777 0,263 -1,328 -89,2 0,130 0,551 -0,099 -0,245 0,045 -3962 -71 -110,6 0,196 -0,268
GL 0,126 0,263 0,132 0,0 0,240 0,408 -0,078 -0,480 -1,145 -6521 -60 -68,9 -3,187 -0,860
So 0,685 0,033 -6,707 -512,9 0,240 0,095 -0,051 0,570 -5,054 -12612 -271 -323,7 -3,187 -0,860
Fl 0,005 0,263 -6,707 -512,3 0,240 0,095 -0,002 -0,458 -5,054 -12612 -271 -323,7 -3,187 -0,860
Agricult
0,005 0,263 -6,707 -512,3 0,240 0,095 -0,002 -0,458 -5,054 -12612 -271 -323,7 -3,187 -0,860
ure
Eau 0,005 0,263 -6,707 -512,3 0,240 0,095 -0,002 -0,458 -5,054 -12612 -271 -323,7 -3,187 -0,860
Urbain 0,005 0,263 -6,707 -512,3 0,240 0,095 -0,002 -0,458 -5,054 -12612 -271 -323,7 -3,187 -0,860
Foret 0,005 0,263 -6,707 -512,3 0,240 0,095 -0,002 -0,458 -5,054 -12612 -271 -323,7 -3,187 -0,860
Sans
0,005 0,263 -6,707 -512,3 0,240 0,586 -0,002 0,272 -5,054 -12612 -271 -323,7 -3,187 -0,860
Veg
141
27037 27038 27040 27041 27049 27053 27055 27069 28003 28018 28030 28086 28105 28108
Altitude 0,142 0,408 -1185 -145 -0,142 -67 -169 -5,952 0,177 -0,693 -7,336 -588 -2817 0,129
Pente 0,135 -1,431 -821 -6055 -0,184 -235 -856 -0,502 0,689 -0,748 -0,323 -402 -525 0,362
Superficie -0,054 0,293 -711 -30656 -0,110 -15 -35 -0,239 0,656 -0,864 -12,91 -557 -4832 0,436
Ac 0,084 0,473 -451 -4387 -0,185 -15 -80 -0,961 0,540 -0,820 -0,672 -588 -734 -0,256
CH 0,081 -1,431 -4049 -16446 -0,136 -58 -856 -0,124 0,526 -0,688 -12,92 -1936 -6479 -4,571
Ca 0,084 0,473 -2331 -4387 -0,185 -15 -856 -1,305 -0,090 -0,852 -3,225 -1079 -3703 -2,530
Lu 0,109 0,408 -741 -6872 -0,176 -37 -76 -3,351 0,540 -0,808 -0,672 -588 -734 -0,256
An 0,081 -1,431 -4049 -16446 -0,136 -235 -856 -20,67 0,526 -0,688 -12,92 -1936 -6479 -4,571
Le 0,081 -1,431 -4049 -16446 -0,172 -235 -856 -20,67 0,708 -0,688 -12,92 -1936 -6479 -0,078
Re 0,081 0,408 -4049 -16446 -0,136 -421 -1453 0,106 -0,201 -0,688 -0,355 -208 -856 0,076
Ve 0,081 -1,431 -4049 -16446 -0,136 -66 -242 -20,67 0,526 -0,748 -12,92 -1936 -6479 -4,571
Hi 0,044 0,293 -3997 -16084 -0,142 -26 -86 -3,78 0,252 -0,792 -5,417 -862 -1557 0,400
Pl 0,142 0,686 -524 -4387 -0,136 -13 -10 -8,868 0,177 -0,688 -7,336 -1079 -2817 -1,240
cal 0,111 0,425 -1678 -6055 -0,185 -40 -114 -2,882 0,728 -0,766 -7,336 -581 -734 -2,530
GL 0,081 -1,431 -711 -145 -0,185 -8 -212 -4,468 0,526 -0,688 -12,92 -1936 -6479 -4,571
So 0,081 -1,431 -4049 -16446 -0,173 -235 -856 -20,67 0,621 -0,688 -1,31 -402 -4832 0,514
Fl 0,081 -1,431 -4049 -16446 -0,136 -235 -856 -20,67 0,526 -0,688 -12,92 -1936 -6479 -4,571
Agriculture 0,081 -1,431 -4049 -16446 -0,136 -235 -856 -20,67 0,526 -0,688 -12,92 -1936 -6479 -4,571
Eau 0,081 -1,431 -4049 -16446 -0,136 -235 -856 -20,67 0,526 -0,688 -12,92 -1936 -6479 -4,571
Urbain 0,081 -1,431 -4049 -16446 -0,136 -235 -856 -20,67 0,526 -0,688 -12,92 -1936 -6479 -4,571
Foret 0,081 -1,431 -4049 -16446 -0,136 -235 -856 -20,67 0,526 -0,688 -12,92 -1936 -6479 -4,571
Sans Veg 0,081 -1,431 -4049 -16446 -0,176 -235 -856 -20,67 0,526 -0,688 -12,92 -1936 -6479 -4,571
141
142
142
Tableau-A VI-1 Performance des simulations par des donneurs multiples pour chaque bassin versant à l'étude, avec le modèle
hydrologique MOHYSE (critère NSE)
Bassin/ 18002 18161 18198 18200 18237 18288 18292 18301 18322 18342 18344 18348 18349 18352
Nombre
de
donneur
1 0,438 -0,796 -889 -5E+04 -7 -2614 -41 -2 0,161 0,086 0,004 -37,3 -891 0,041
2 0,401 -0,807 -881 -4E+04 -10 -2142 -40 -2 0,203 0,117 0,006 -35,8 -808 0,068
3 0,274 -0,882 -877 -4E+04 -12 -1890 -39 -2 0,243 0,137 0,008 -36,4 -641 0,216
4 0,237 -0,818 -877 -4E+04 -11 -1912 -39 -3 0,260 0,227 0,011 -28,5 -580 0,275
5 0,389 -0,652 -878 -3E+04 -11 -1817 -39 -4 0,196 0,306 0,012 -26,6 -561 0,293
6 0,375 -0,765 -908 -2E+04 -14 -1443 -39 -4 -0,474 0,292 0,014 -27,1 -435 0,406
7 0,403 -0,694 -921 -2E+04 -16 -1325 -40 -4 -1,370 0,279 0,015 -19,4 -450 0,446
8 0,370 -0,818 -947 -1E+04 -28 -842 -50 -5 -2,169 0,266 0,015 -17,7 -396 0,441
9 0,408 -0,683 -1156 -9E+03 -30 -705 -44 -6 -3,266 0,304 0,016 -18,2 -380 0,454
10 0,416 -0,772 -1207 -5E+03 -40 -467 -49 -7 -4,264 0,302 0,016 -20,0 -232 0,534
11 0,436 -0,787 -1108 -5E+03 -54 -244 -44 -9 -4,292 0,297 0,014 -11,5 -188 0,544
12 0,437 -0,886 -1113 -3E+03 -69 -97 -52 -11 -6,090 0,280 0,012 -10,8 -118 0,553
13 0,419 -1,023 -1167 -1E+03 -84 -35 -55 -11 -7,736 0,322 0,011 -8,1 -53 0,530
14 0,406 -1,011 -1189 -1148 -85 -26 -53 -12 -8,181 0,326 0,005 -4,9 -29 0,500
15 0,397 -1,044 -1262 -711 -91 -11 -60 -15 -8,633 0,311 0,002 -3,3 -20 0,487
144
144
Bassin/ 18361 18374 18433 18434 18436 18485 18538 20005 20023 20026 20027 26007 26039
Nombre
de
donneur
1 -28,4 -1,451 -10,0 -0,148 -0,247 0,037 -0,087 -0,485 0,053 0,343 -7,058 -2,687 -4,554
2 -27,1 -1,343 -9,5 -0,101 -0,251 0,038 0,067 -0,385 0,094 0,325 -6,669 -2,362 -3,437
3 -21,4 -1,219 -8,9 -0,080 -0,248 0,033 0,280 -0,228 0,124 0,267 -5,873 -2,208 -2,751
4 -19,6 -1,005 -9,6 0,010 -0,290 0,026 0,365 -0,173 0,158 0,299 -5,792 -1,968 -2,495
5 -19,0 -0,787 -8,0 0,047 -0,300 0,028 0,410 -0,209 0,184 0,245 -5,235 -1,922 -3,519
6 -14,0 -0,587 -7,6 0,045 -0,296 0,026 0,521 -0,126 0,209 -0,018 -3,462 -1,653 -5,121
7 -11,9 -0,607 -6,4 0,073 -0,298 0,026 0,521 -0,217 0,257 0,173 -3,736 -1,196 -4,926
8 -12,1 -0,536 -7,5 0,083 -0,304 0,023 0,537 -0,188 0,265 -0,048 -2,513 -1,181 -5,127
9 -12,2 -0,211 -8,2 0,226 -0,449 -0,006 0,552 -0,117 0,295 -0,139 -1,730 -0,929 -8,297
10 -6,92 -0,116 -10,9 0,249 -0,488 -0,005 0,520 -0,041 0,291 -0,476 -0,572 -0,818 -9,478
11 -5,97 -0,001 -9,2 0,317 -0,577 -0,005 0,429 0,058 0,227 -0,155 -0,679 -0,810 -12,5
12 -3,95 0,131 -10,6 0,399 -0,703 -0,008 0,248 0,135 0,227 -0,341 -0,261 -0,909 -17,1
13 -1,74 0,139 -12,0 0,434 -0,773 -0,034 0,148 0,142 0,189 -0,306 -0,161 -1,027 -22,6
14 -1,00 0,176 -12,3 0,442 -0,783 -0,041 -0,056 0,210 0,157 -0,277 -0,134 -1,177 -26,8
15 -0,92 0,167 -12,8 0,453 -0,791 -0,058 -0,163 0,234 0,136 -0,225 -0,186 -1,242 -31,5
145
Bassin/ 26053 26057 26076 26118 26120 26217 26224 26243 26248 26249 26263 26267 26270 26273 26280
Nombre
de
donneur
1 -231 -400 -0,303 -392 -0,515 -21,05 -0,330 -6,838 -0,031 0,103 -5,301 0,354 -0,195 -2,588 0,116
2 -203 -349 -1,534 -342 -0,489 -17,85 -0,055 -4,977 -0,013 0,116 -5,149 0,407 -0,180 -2,069 0,286
3 -170 -295 -3,873 -292 -0,415 -14,61 0,094 -4,093 0,010 0,353 -2,950 0,446 -0,171 -1,916 0,365
4 -154 -262 -8,646 -236 -0,227 -12,5 0,175 -3,653 0,020 0,387 -2,639 0,574 -0,133 -1,535 0,581
5 -111 -195 -10,6 -220 -0,256 -8,332 0,325 -1,982 0,049 0,439 -2,155 0,577 -0,124 -1,114 0,507
6 -87 -194 -21,8 -147 -0,254 -8,841 0,349 -1,761 0,060 0,567 -1,015 0,559 -0,113 -0,810 0,422
7 -89 -153 -22,4 -146 -0,219 -7,035 0,377 -1,553 0,070 0,593 -0,790 0,646 -0,081 -0,580 -0,05
8 -83 -140 -26,3 -129 -0,293 -5,135 0,493 -0,626 0,083 0,627 -0,447 0,703 -0,102 -0,547 -0,41
9 -56 -99 -31,8 -109 -0,264 -4,591 0,541 -0,322 0,092 0,651 0,106 0,726 -0,119 -0,420 -0,48
10 -47 -82 -41,6 -80 -0,234 -4,175 0,572 -0,101 0,107 0,655 0,142 0,749 -0,148 -0,482 -1,44
11 -33 -63 -61,1 -41 -0,270 -3,499 0,616 0,113 0,107 0,650 0,257 0,762 -0,197 -0,567 -2,00
12 -19 -42 -68,3 -33 -0,245 -2,926 0,628 0,202 0,104 0,645 0,311 0,765 -0,216 -0,748 -2,19
13 -10 -27 -89,5 -15 -0,369 -2,987 0,659 0,349 0,109 0,642 0,324 0,782 -0,283 -0,794 -3,02
14 -5 -16 -103,6 -9,799 -0,380 -3,133 0,644 0,400 0,117 0,620 0,346 0,772 -0,333 -0,861 -3,60
15 -2 -6 -139,4 -3,886 -0,469 -4,011 0,625 0,344 0,123 0,590 0,272 0,761 -0,415 -0,856 -4,54
145
146
146
Bassin/ 26285 26289 26292 26293 26296 26311 26334 26336 26356 26357 26388 26400 26423 26429 26430
Nombre
de
donneur
1 -1,497 0,347 0,421 -0,173 -0,004 -9E+07 -0,07 -3,94 -0,48 0,520 0,050 -0,71 -0,02 0,207 0,272
2 -1,278 0,382 0,610 -0,098 0,026 -9E+07 -0,07 -3,99 -0,39 0,437 0,041 -0,71 -0,01 0,245 0,350
3 -1,104 0,393 0,653 0,006 0,129 -9E+07 -0,09 -3,97 -0,25 0,400 0,037 -0,71 0,008 0,221 0,369
4 -0,456 0,410 0,601 0,055 0,534 -6E+07 -0,10 -3,99 -0,03 0,128 0,030 -0,71 0,019 0,225 0,393
5 -0,348 0,427 -0,556 0,263 0,596 -5E+07 -0,10 -4,01 -0,03 0,125 0,044 -0,72 0,036 0,030 0,488
6 -0,328 0,403 -0,633 0,270 0,383 -3E+07 -0,09 -4,05 0,01 0,048 0,043 -0,72 0,050 -0,02 0,495
7 0,085 0,388 -3,979 0,355 0,318 -2E+07 -0,1 -4,05 0,07 -0,10 0,040 -0,72 0,063 -0,13 0,583
8 0,210 0,361 -8,521 0,318 0,094 -2E+07 -0,11 -4,06 0,15 -0,33 0,033 -0,72 0,082 -0,20 0,657
9 0,222 0,351 -9,328 0,307 0,062 -2E+07 -0,12 -4,08 0,23 -0,67 0,021 -0,72 0,117 -0,31 0,670
10 0,320 0,256 -11,0 0,275 -0,918 -8E+06 -0,15 -4,15 0,3 -1,02 0,018 -0,72 0,122 -0,81 0,681
11 0,328 0,196 -13,3 0,215 -1,377 -5E+06 -0,16 -4,15 0,38 -1,54 -0,01 -0,73 0,145 -1,08 0,706
12 0,312 0,169 -14,0 0,199 -1,484 -4E+06 -0,2 -4,19 0,43 -1,97 -0,01 -0,73 0,158 -1,1 0,719
13 0,276 0,068 -17,1 0,097 -2,156 -2E+06 -0,22 -4,23 0,45 -2,25 -0,02 -0,73 0,165 -1,38 0,753
14 0,192 -0,02 -19,3 0,017 -2,576 -7E+05 -0,25 -4,25 0,505 -2,16 -0,02 -0,73 0,184 -1,72 0,757
15 0,069 -0,143 -22,8 -0,116 -3,327 -4E+04 -0,25 -4,28 0,516 -3,27 -0,05 -0,73 0,205 -1,65 0,776
147
Bassin/ 26431 26443 26445 26458 27001 27002 27004 27020 27023 27029 27033 27035 27036 27037
Nombre
de
donneur
1 -0,069 -6,520 -1306 0,060 -0,433 0,484 -0,661 -50 -66340 -52 -547 -69 -0,006 0,057
2 -0,038 -5,884 -1152 0,071 -0,356 0,476 -0,409 -37 -57299 -48 -522 -60 -0,014 0,051
3 -0,014 -5,413 -983,6 0,083 -0,339 0,475 -0,411 -37 -56446 -45 -491 -52 -0,017 0,056
4 0,004 -5,035 -887,0 0,098 -0,254 0,469 -0,360 -35 -51667 -43 -443 -45 -0,016 0,065
5 0,060 -4,084 -645,1 0,131 -0,072 0,428 -0,223 -29 -42031 -37 -386 -40 -0,022 0,076
6 0,077 -3,709 -699,1 0,109 0,065 0,390 -0,131 -26 -34625 -32 -376 -30 -0,037 0,076
7 0,134 -2,657 -583,5 0,128 0,132 0,370 -0,026 -21 -27992 -39 -305 -24 -0,052 0,084
8 0,128 -2,444 -579,9 0,097 0,266 0,318 0,138 -13 -24467 -41 -250 -20 -0,062 0,098
9 0,157 -1,393 -512,9 0,116 0,346 0,280 0,226 -10 -18621 -36 -245 -14 -0,084 0,104
10 0,157 -1,268 -412,6 0,113 0,435 0,232 0,277 -9 -15039 -40 -194 -11 -0,102 0,112
11 0,145 -1,091 -341,3 0,110 0,512 0,166 0,293 -9 -11040 -41 -184 -7 -0,121 0,114
12 0,152 -0,968 -255,8 0,098 0,568 0,093 0,402 -5 -7966 -45 -158 -3 -0,146 0,121
13 0,120 -1,159 -172,8 0,087 0,609 0,027 0,458 -3 -6000 -51 -133 -1,284 -0,176 0,125
14 0,115 -0,960 -131,7 0,090 0,638 -0,028 0,497 -2 -4743 -56 -117 -0,022 -0,207 0,129
15 0,082 -0,932 -87,6 0,104 0,652 -0,080 0,491 -0,310 -4227 -64 -100 0,442 -0,238 0,132
147
148
148
Bassin/ 27038 27040 27041 27049 27053 27055 27069 28003 28018 28030 28086 28105 28108 28111
Nombre
de
donneur
1 -0,041 -2217 -1E+05 -0,197 -1,962 -219,0 0,014 0,133 -0,257 -1,413 -222 -2095 -0,127 -11,3
2 0,009 -2137 -1E+05 -0,196 -1,974 -217,9 0,019 0,238 -0,342 -0,852 -190 -1985 -0,052 -10,5
3 0,073 -2028 -1E+05 -0,193 -1,637 -211,2 0,058 0,287 -0,360 -0,437 -173 -1946 0,128 -8,2
4 0,178 -1859 -9E+04 -0,192 -1,077 -202,1 0,099 0,308 -0,393 -0,234 -192 -1659 0,245 -6,3
5 0,273 -1590 -8E+04 -0,190 -0,922 -188,2 0,143 0,330 -0,409 0,093 -190 -1534 0,331 -4,346
6 0,357 -1357 -8E+04 -0,188 -0,951 -181,9 0,129 0,381 -0,461 0,224 -225 -1409 0,432 -3,207
7 0,384 -1428 -6E+04 -0,188 -1,791 -168,8 0,032 0,388 -0,505 0,311 -253 -1353 0,472 -2,633
8 0,459 -1188 -5E+04 -0,185 -4,003 -155,9 -0,026 0,397 -0,529 0,324 -269 -1330 0,506 -2,198
9 0,506 -988 -4E+04 -0,182 -6,673 -146,8 -0,036 0,395 -0,524 0,321 -290 -1320 0,533 -2,116
10 0,535 -1071 -3E+04 -0,182 -8,224 -142,6 -0,302 0,417 -0,558 0,262 -269 -1317 0,536 -1,373
11 0,574 -886 -3E+04 -0,178 -13,0 -136,6 -0,606 0,461 -0,636 0,140 -284 -1318 0,524 -0,601
12 0,611 -934 -2E+04 -0,177 -18,0 -131,9 -0,769 0,497 -0,663 -0,081 -329 -1326 0,562 -0,098
13 0,615 -908 -1E+04 -0,175 -21,8 -132,2 -1,253 0,521 -0,741 -0,343 -344 -1385 0,561 0,123
14 0,607 -891 -9E+03 -0,174 -27,7 -132,6 -1,662 0,513 -0,766 -0,676 -387 -1433 0,520 0,459
15 0,609 -979 -6E+03 -0,173 -33,2 -133,2 -2,054 0,505 -0,788 -0,878 -409 -1608 0,436 0,665
149
149
150
150
Tableau-A VI-2 Performance des simulations par donneurs multiples selon le bassin versant et le modèle GR4 (critère NSE)
Bassin/ 18002 18161 18198 18200 18237 18288 18292 18301 18322 18342 18344 18348 18349 18352
Nombre
de
donneur
1 0,306 -2,825 -2366 -1091 -210 -34 -151 -21 -0,857 0,147 0,010 -0,186 -2,757 0,465
2 0,329 -1,287 -1264 -1262 -108 -22 -89 -23 0,149 0,107 0,010 0,074 -0,494 0,544
3 0,224 -0,669 -661 -863 -123 -23 -96 -20 -2,530 -0,006 0,006 -1,176 -6,264 0,466
4 0,290 -0,780 -1011 -662 -72 -19 -77 -18 -5,757 0,208 0,009 -0,880 -6,323 0,539
5 0,266 -0,716 -977 -948 -91 -13 -53 -13 -5,116 0,188 0,012 -0,492 -9,685 0,555
6 0,294 -0,876 -1171 -668 -86 -16 -64 -16 -5,843 0,280 0,014 -0,303 -11,5 0,580
7 0,323 -0,968 -1426 -705 -102 -16 -61 -16 -4,911 0,348 0,015 0,030 -9,9 0,526
8 0,344 -1,155 -1467 -638 -98 -15 -70 -18 -5,701 0,391 0,013 -0,390 -9,0 0,507
9 0,327 -1,037 -1350 -693 -116 -17 -81 -21 -6,102 0,419 0,013 -0,377 -7,5 0,472
10 0,321 -0,989 -1305 -777 -107 -20 -74 -20 -5,253 0,398 0,011 -0,696 -9,8 0,474
11 0,314 -0,947 -1204 -707 -99 -19 -70 -22 -4,370 0,357 0,012 -0,585 -11,1 0,504
12 0,299 -0,894 -1131 -658 -91 -18 -67 -20 -3,768 0,388 0,012 -0,506 -9,9 0,520
13 0,283 -0,863 -1073 -625 -86 -17 -63 -19 -3,740 0,374 0,013 -0,383 -9,0 0,482
14 0,272 -0,802 -1000 -600 -83 -16 -59 -18 -3,295 0,381 0,010 -0,748 -9,0 0,471
15 0,312 -0,938 -1156 -558 -96 -18 -68 -17 -4,469 0,333 0,009 -0,968 -11,7 0,411
151
Bassin/ 18361 18374 18433 18434 18436 18485 18538 20005 20023 20026 20027 26007 26039
Nombre de
donneur
1 -5,210 -0,281 -6,054 -0,059 -0,725 -0,073 0,417 0,378 0,261 -0,612 0,348 -2,004 -43,1
2 -1,685 0,135 -4,156 -0,025 -0,778 -0,071 -0,018 0,456 0,287 -0,330 0,352 -1,969 -23,5
3 -0,898 0,189 -10,11 0,046 -0,766 -0,058 0,236 0,468 0,283 -0,125 0,340 -2,124 -45,8
4 -0,493 0,202 -8,985 0,021 -0,788 -0,061 0,411 0,453 0,314 -0,386 0,341 -1,797 -48,6
5 -0,336 0,205 -7,476 -0,025 -0,801 -0,064 0,532 0,440 0,310 -0,164 0,245 -1,947 -39,8
6 -0,083 0,206 -5,066 0,059 -0,810 -0,067 0,355 0,423 0,309 -0,021 0,260 -1,909 -26,8
7 -0,204 0,204 -6,540 0,049 -0,787 -0,070 0,343 0,420 0,306 -0,145 0,279 -1,783 -29,4
8 -0,154 0,193 -6,330 0,084 -0,800 -0,069 0,261 0,438 0,322 -0,013 0,226 -1,841 -26,6
9 -0,285 0,186 -7,525 0,066 -0,796 -0,070 0,303 0,385 0,318 -0,151 0,241 -1,815 -29,8
10 -0,219 0,180 -7,002 0,061 -0,801 -0,068 0,319 0,401 0,281 -0,037 0,164 -1,790 -34,4
11 -0,226 0,177 -6,663 0,082 -0,798 -0,069 0,355 0,404 0,284 0,129 0,189 -1,846 -31,2
12 -0,182 0,171 -6,461 0,126 -0,793 -0,069 0,382 0,414 0,294 0,168 0,237 -1,876 -30,0
13 -0,138 0,178 -5,804 0,110 -0,798 -0,069 0,309 0,418 0,295 0,008 0,251 -1,870 -28,0
14 -0,257 0,179 -7,030 0,159 -0,799 -0,068 0,270 0,397 0,280 -0,063 0,193 -1,898 -25,6
15 -0,334 0,181 -7,829 0,238 -0,801 -0,066 0,116 0,383 0,277 -0,297 0,155 -1,839 -24,5
151
152
152
Bassin/ 26053 26057 26076 26118 26120 26217 26224 26243 26248 26249 26263 26267 26270 26273
Nombre
de
donneu
r
1 -3,205 -7,900 -384 -4,243 -1,272 -5,645 0,595 0,501 0,336 0,096 0,179 0,756 -0,401 -1,593
2 -1,546 -4,150 -238 -4,953 -0,353 -3,387 0,084 0,486 0,297 -1,708 0,539 0,871 -0,399 -0,750
3 -3,836 -8,823 -221 -4,223 -1,379 -4,560 0,307 0,527 0,328 0,022 0,489 0,899 -0,403 -1,890
4 -3,963 -4,756 -264 -4,276 -0,822 -3,842 0,630 0,521 0,280 0,326 0,393 0,756 -0,403 -0,854
5 -2,187 -6,038 -192 -4,366 -0,711 -3,876 0,132 0,511 0,313 0,050 0,395 0,839 -0,401 -0,737
6 -2,671 -5,065 -176 -4,543 -0,273 -4,170 0,329 0,486 0,287 0,325 0,449 0,520 -0,403 -0,713
7 -2,222 -4,867 -237 -4,360 -0,277 -3,793 0,213 0,492 0,275 0,420 0,395 0,421 -0,404 -0,810
8 -2,075 -5,084 -244 -3,638 -0,504 -3,758 0,257 0,470 0,255 0,349 0,390 0,490 -0,406 -1,043
9 -1,970 -6,027 -229 -3,812 -0,390 -3,901 0,250 0,463 0,232 0,379 0,408 0,494 -0,406 -1,281
10 -1,885 -5,711 -289 -3,843 -0,223 -4,020 0,200 0,466 0,213 0,409 0,416 0,454 -0,407 -1,223
11 -1,952 -5,969 -273 -3,203 -0,324 -4,093 0,250 0,460 0,211 0,502 0,397 0,497 -0,408 -1,120
12 -2,315 -5,529 -271 -3,227 -0,291 -4,092 0,366 0,444 0,213 0,578 0,362 0,596 -0,408 -1,153
13 -2,499 -5,362 -248 -3,317 -0,369 -4,006 0,405 0,438 0,197 0,612 0,347 0,623 -0,409 -1,097
14 -2,323 -5,672 -239 -3,414 -0,276 -3,979 0,408 0,441 0,190 0,602 0,353 0,614 -0,409 -1,192
15 -2,090 -5,208 -243 -3,488 -0,624 -3,945 0,438 0,438 0,191 0,616 0,343 0,632 -0,409 -1,041
153
Bassin/ 26280 26285 26289 26292 26293 26296 26311 26334 26336 26356 26357 26388 26400 26423
Nombre
de
donneur
1 -3,522 0,088 -0,124 -11,9 -0,042 -0,926 -2E+03 0,054 -3,166 0,151 -5,016 -0,037 -0,747 0,442
2 -0,423 0,007 -0,119 -3,7 -0,047 0,543 -2E+04 0,002 -3,697 0,550 -2,191 -0,081 -0,767 0,287
3 -11,64 0,306 -0,127 -4,1 -0,040 0,608 -2E+04 -0,101 -3,555 0,460 -5,990 0,010 -0,692 0,239
4 -8,238 0,488 -0,135 -1,6 -0,060 -5,422 -1E+04 -0,139 -3,744 0,404 -2,643 0,026 -0,713 0,216
5 -6,023 -0,665 -0,130 -13,8 -0,047 -3,830 -1E+04 -0,181 -3,876 0,427 -2,097 -0,007 -0,690 0,229
6 -9,069 -1,436 -0,132 -8,7 -0,056 -6,612 -2E+04 -0,199 -3,917 0,435 -2,036 -0,022 -0,697 0,222
7 -8,227 -1,202 -0,134 -28,2 -0,062 -4,557 -2E+04 -0,217 -3,985 0,488 -2,292 -0,030 -0,706 0,231
8 -9,520 -1,578 -0,128 -32,1 -0,069 -4,025 -2E+04 -0,220 -4,017 0,459 -3,213 -0,030 -0,709 0,262
9 -9,321 -1,570 -0,131 -28,1 -0,070 -4,969 -2E+04 -0,208 -4,002 0,415 -2,829 -0,020 -0,704 0,276
10 -9,333 -1,685 -0,131 -27,3 -0,075 -4,822 -2E+04 -0,212 -4,014 0,511 -2,208 -0,018 -0,704 0,284
11 -8,102 -1,429 -0,131 -26,4 -0,077 -4,605 -2E+04 -0,211 -4,028 0,507 -2,719 -0,016 -0,705 0,279
12 -6,589 -0,985 -0,131 -22,2 -0,078 -3,683 -2E+04 -0,222 -4,061 0,494 -4,644 -0,023 -0,710 0,262
13 -5,861 -0,817 -0,132 -18,3 -0,082 -2,800 -2E+04 -0,233 -4,093 0,514 -4,368 -0,032 -0,716 0,256
14 -5,851 -0,833 -0,131 -15,7 -0,083 -2,266 -3E+04 -0,241 -4,115 0,500 -4,419 -0,038 -0,720 0,258
15 -5,407 -0,722 -0,133 -15,2 -0,082 -2,222 -3E+04 -0,243 -4,112 0,516 -3,274 -0,054 -0,732 0,205
153
154
154
Bassin/ 26429 26430 26431 26443 26445 26458 27001 27002 27004 27020 27023 27029 27033 27035
Nombre
de
donneur
1 -2,731 0,634 0,145 -1,529 -89,9 0,161 0,326 -0,128 0,078 -0,776 -7340 -12 -38 -0,690
2 -15,05 0,680 0,129 -0,986 -34,2 0,129 0,633 -0,069 0,519 -1,299 -4373 -42 -89 -0,833
3 -6,473 0,628 0,119 -2,071 -86,1 0,209 0,609 -0,076 0,414 -2,262 -6712 -53 -114 -1,492
4 -8,035 0,745 0,089 -1,490 -47,9 0,198 0,633 -0,075 0,380 -2,425 -7041 -81 -158 -1,360
5 -4,806 0,746 0,162 -0,826 -54,7 0,140 0,636 -0,068 0,534 -2,661 -6354 -84 -165 -0,702
6 -3,670 0,684 0,192 -0,753 -62,9 0,175 0,648 -0,069 0,538 -2,406 -7374 -74 -143 -1,033
7 -2,856 0,646 0,162 -0,843 -53,1 0,171 0,649 -0,073 0,541 -2,938 -7197 -89 -163 -0,769
8 -2,780 0,681 0,204 -1,180 -48,1 0,168 0,634 -0,068 0,537 -2,939 -7319 -86 -152 -1,104
9 -3,455 0,685 0,195 -1,421 -53,8 0,157 0,611 -0,067 0,528 -3,387 -8085 -100 -171 -1,139
10 -3,538 0,663 0,196 -1,328 -54,2 0,147 0,604 -0,057 0,520 -3,526 -8327 -106 -174 -1,080
11 -3,044 0,679 0,201 -1,309 -47,6 0,162 0,614 -0,051 0,522 -3,487 -8374 -108 -174 -1,030
12 -3,148 0,719 0,192 -1,330 -43,5 0,163 0,615 -0,049 0,532 -3,611 -8344 -107 -170 -0,957
13 -2,526 0,726 0,175 -1,311 -38,2 0,179 0,610 -0,050 0,538 -3,687 -8320 -106 -166 -1,102
14 -2,213 0,719 0,168 -1,155 -58,8 0,175 0,598 -0,043 0,538 -3,523 -8107 -115 -177 -1,011
15 -1,653 0,776 0,082 -0,932 -
87,578 0,163 0,606 -0,045 0,538 -3,678 -8118 -113 -177 -1,011
155
Bassin/ 27036 27037 27038 27040 27041 27049 27053 27055 27069 28003 28018 28030 28086 28105
Nombre
de
donneur
1 -0,357 0,156 0,211 -207 -2309 -0,188 -26 -58 -4,002 0,632 -0,797 -1,517 -277 -1170
2 -0,171 0,134 0,539 -569 -4993 -0,170 -9 -18 -1,138 0,712 -0,799 -3,835 -444 -2527
3 -0,332 0,144 0,706 -747 -8363 -0,166 -11 -26 -1,566 0,727 -0,798 -3,024 -632 -2423
4 -0,357 0,162 0,638 -1137 -8608 -0,156 -20 -58 -3,037 0,670 -0,782 -3,025 -558 -2255
5 -0,294 0,165 0,635 -1190 -8978 -0,151 -20 -61 -3,216 0,656 -0,785 -3,422 -617 -2539
6 -0,352 0,165 0,666 -1028 -7854 -0,151 -17 -51 -2,616 0,589 -0,789 -3,021 -565 -2368
7 -0,324 0,163 0,657 -1202 -8877 -0,155 -23 -68 -3,473 0,593 -0,781 -2,100 -456 -1945
8 -0,329 0,165 0,699 -1127 -8351 -0,152 -31 -89 -3,197 0,641 -0,780 -2,141 -453 -1938
9 -0,379 0,165 0,693 -1306 -9356 -0,154 -30 -85 -4,093 0,629 -0,774 -2,781 -534 -2239
10 -0,394 0,165 0,678 -1365 -9616 -0,152 -34 -98 -4,346 0,627 -0,775 -3,147 -508 -2407
11 -0,396 0,165 0,701 -1385 -9642 -0,152 -36 -105 -4,364 0,669 -0,776 -2,908 -560 -2293
12 -0,387 0,165 0,722 -1345 -9490 -0,152 -35 -100 -4,291 0,661 -0,780 -3,044 -568 -2303
13 -0,375 0,164 0,686 -1299 -9265 -0,150 -34 -95 -4,176 0,675 -0,781 -3,135 -589 -2363
14 -0,366 0,166 0,698 -1417 -9090 -0,151 -39 -113 -4,649 0,675 -0,776 -3,185 -589 -2352
15 -0,395 0,166 0,619 -1415 -9636 -0,148 -38 -111 -4,609 0,706 -0,774 -3,105 -580 -2329
155
156
156
Bassin/ 28108 28111 28125 28133 28134 29005 29007 37012
Nombre
de
donneur
1 0,035 0,501 0,653 -1,193 0,746 -0,554 -0,618 -0,099
2 -0,152 0,604 0,658 -1,294 0,811 -0,561 -0,617 -0,089
3 0,247 0,569 0,781 -1,292 0,730 -0,563 -0,622 -0,091
4 0,122 0,537 0,806 -1,389 0,663 -0,566 -0,628 -0,085
5 0,280 0,540 0,809 -1,451 0,668 -0,551 -0,600 -0,086
6 0,495 0,525 0,804 -1,455 0,608 -0,549 -0,596 -0,048
7 0,517 0,540 0,801 -1,500 0,616 -0,554 -0,606 -0,045
8 0,544 0,539 0,812 -1,503 0,639 -0,548 -0,595 -0,030
9 0,473 0,606 0,787 -1,493 0,620 -0,545 -0,591 -0,031
10 0,372 0,647 0,790 -1,508 0,665 -0,538 -0,579 -0,033
11 0,389 0,657 0,800 -1,513 0,658 -0,539 -0,580 -0,034
12 0,337 0,659 0,808 -1,488 0,668 -0,544 -0,591 -0,037
13 0,352 0,668 0,796 -1,501 0,654 -0,544 -0,591 -0,040
14 0,377 0,670 0,799 -1,496 0,659 -0,539 -0,581 -0,042
15 0,266 0,670 0,810 -1,494 0,689 -0,537 -0,578 -0,041
157
Tableau-A VI-3 Performance des simulations par donneurs multiples selon le bassin versant et le modèle HSAMI (Critère NSE)
Bassin/ 18002 18161 18198 18200 18237 18288 18292 18301 18322 18342 18344 18348 18349 18352
Nombre
de
donneur
1 -0,033 -0,298 -181 -53 -16 -1,691 -17 -6,152 -0,517 0,153 0,015 0,063 -1,036 0,555
2 0,300 -0,862 -870 -225 -67 -9,329 -52 -5,269 0,199 0,167 0,016 0,056 -2,249 0,527
3 0,260 -0,699 -695 -155 -53 -8,370 -45 -9,058 0,046 0,068 0,015 -1,373 -1,437 0,564
4 0,204 -0,511 -470 -280 -37 -5,155 -32 -12,1 -1,549 0,076 0,014 -1,154 -5,406 0,544
5 0,281 -0,618 -685 -252 -51 -7,307 -40 -12,0 -3,189 0,001 0,015 -0,742 -5,132 0,552
6 0,267 -0,486 -603 -226 -38 -6,534 -37 -11,6 -4,330 0,053 0,016 -0,475 -7,709 0,563
7 0,299 -0,572 -723 -178 -49 -5,392 -30 -9,8 -5,433 0,096 0,016 -0,228 -10,44 0,570
8 0,271 -0,492 -857 -220 -42 -4,108 -37 -11,1 -5,745 0,106 0,017 -0,181 -12,68 0,569
9 0,308 -0,584 -947 -189 -48 -5,434 -33 -10,2 -4,423 0,134 0,017 -0,016 -13,44 0,557
10 0,327 -0,661 -825 -213 -57 -4,723 -36 -10,9 -5,239 0,151 0,017 -0,365 -12,41 0,568
11 0,348 -0,714 -889 -249 -56 -5,497 -33 -11,9 -5,667 0,161 0,017 -0,330 -11,75 0,557
12 0,352 -0,737 -913 -226 -62 -5,573 -38 -12,5 -5,084 0,198 0,017 -0,605 -10,53 0,547
13 0,346 -0,711 -829 -248 -63 -6,540 -41 -11,8 -4,765 0,229 0,016 -0,913 -11,67 0,543
14 0,329 -0,652 -819 -257 -57 -7,167 -40 -12,0 -4,142 0,251 0,015 -1,072 -10,44 0,530
15 0,321 -0,635 -797 -249 -55 -7,018 -41 -12,1 -3,519 0,263 0,014 -0,990 -11,20 0,537
157
158
158
Bassin/ 18361 18374 18433 18434 18436 18485 18538 20005 20023 20026 20027 26007 26039 26053
Nombre
de
donneur
1 -4,369 -0,203 -5,042 0,001 -0,762 -0,072 0,432 0,391 0,273 -0,199 0,324 -2,008 -3,309 0,269
2 -1,461 0,131 -2,696 0,135 -0,796 -0,069 0,581 0,436 0,251 -0,057 0,270 -1,760 -13,7 -0,628
3 -1,013 0,159 -3,176 0,153 -0,822 -0,068 0,385 0,444 0,280 -0,087 0,287 -1,815 -10,1 -0,206
4 -0,892 0,177 -6,912 0,190 -0,813 -0,061 0,452 0,446 0,294 -0,044 0,269 -1,816 -9,9 -0,221
5 -0,603 0,181 -6,534 0,159 -0,826 -0,063 0,475 0,411 0,289 0,031 0,288 -1,660 -15,5 -0,735
6 -0,504 0,191 -5,982 0,169 -0,831 -0,063 0,509 0,385 0,295 -0,099 0,285 -1,636 -15,0 -0,404
7 -0,432 0,187 -5,357 0,170 -0,837 -0,064 0,548 0,339 0,308 -0,059 0,204 -1,458 -11,6 -0,723
8 -0,284 0,189 -4,428 0,144 -0,839 -0,065 0,474 0,286 0,305 0,093 0,202 -1,472 -14,2 -0,585
9 -0,420 0,190 -5,641 0,227 -0,841 -0,066 0,473 0,306 0,308 -0,051 0,233 -1,418 -11,8 -0,624
10 -0,320 0,190 -5,090 0,215 -0,844 -0,067 0,509 0,253 0,294 -0,125 0,161 -1,410 -13,2 -0,809
11 -0,411 0,189 -5,959 0,268 -0,848 -0,066 0,452 0,285 0,271 -0,264 0,105 -1,406 -15,6 -0,954
12 -0,543 0,186 -7,069 0,314 -0,840 -0,067 0,392 0,273 0,240 -0,163 0,031 -1,346 -16,9 -0,931
13 -0,560 0,182 -7,544 0,335 -0,841 -0,066 0,418 0,254 0,242 -0,203 0,055 -1,386 -17,3 -1,006
14 -0,602 0,178 -6,825 0,324 -0,836 -0,064 0,381 0,253 0,226 -0,107 0,023 -1,408 -17,5 -1,130
15 -0,576 0,175 -6,599 0,320 -0,832 -0,064 0,399 0,277 0,231 0,010 0,044 -1,439 -16,8 -1,281
159
Bassin/ 26057 26076 26118 26120 26217 26224 26243 26248 26249 26263 26267 26270 26273 26280
Nombre
de
donneur
1 -0,064 -185 -3,948 0,183 -3,445 0,764 0,314 0,202 0,565 0,253 0,793 -0,413 0,194 -1,052
2 -2,406 -147 -4,639 -0,034 -3,843 0,784 0,327 0,157 0,431 0,238 0,835 -0,411 -0,350 -2,715
3 -1,461 -120 -4,946 0,063 -3,829 0,808 0,354 0,148 0,463 0,189 0,855 -0,412 -0,023 -1,427
4 -1,518 -141 -5,147 0,060 -3,780 0,700 0,307 0,152 0,548 0,235 0,853 -0,411 -0,056 -1,816
5 -1,072 -125 -4,665 0,077 -3,928 0,643 0,336 0,147 0,562 0,187 0,810 -0,413 0,076 -1,837
6 -1,081 -103 -4,732 -0,020 -4,054 0,653 0,309 0,137 0,619 0,224 0,832 -0,412 -0,032 -2,351
7 -1,864 -87 -4,488 0,073 -4,159 0,618 0,293 0,122 0,602 0,220 0,846 -0,413 -0,013 -1,702
8 -2,040 -92 -4,366 0,107 -4,231 0,601 0,313 0,110 0,657 0,199 0,835 -0,414 -0,144 -2,069
9 -2,539 -83 -4,259 0,082 -4,163 0,571 0,333 0,105 0,670 0,226 0,824 -0,414 -0,239 -1,692
10 -2,812 -93 -4,286 0,020 -4,203 0,577 0,336 0,118 0,665 0,250 0,824 -0,414 -0,357 -2,022
11 -3,250 -94 -4,209 -0,017 -4,253 0,545 0,329 0,128 0,670 0,237 0,809 -0,413 -0,454 -1,864
12 -3,567 -100 -4,111 0,025 -4,310 0,507 0,331 0,119 0,657 0,235 0,783 -0,413 -0,523 -1,627
13 -3,941 -108 -4,060 -0,046 -4,370 0,503 0,328 0,122 0,643 0,226 0,777 -0,413 -0,537 -1,362
14 -4,064 -104 -4,090 -0,028 -4,363 0,526 0,315 0,119 0,627 0,212 0,775 -0,414 -0,611 -1,216
15 -3,970 -106 -4,035 -0,065 -4,216 0,522 0,304 0,111 0,634 0,201 0,766 -0,414 -0,594 -1,346
159
160
160
Bassin/ 26285 26289 26292 26293 26296 26311 26334 26336 26356 26357 26388 26400 26423 26429
Nombre
de
donneur
1 0,273 -0,137 -23,5 -0,085 -1,03 -1E+04 -0,343 -4,465 -0,043 -5,200 -0,038 -0,744 0,115 -3,800
2 0,089 -0,140 -11,1 -0,100 0,420 -8E+03 -0,309 -4,402 -0,025 -1,083 -0,058 -0,763 0,146 -2,013
3 0,469 -0,143 -10,8 -0,103 0,497 -2E+04 -0,304 -4,385 0,077 -0,719 -0,076 -0,763 0,150 -0,928
4 0,502 -0,147 -7,473 -0,102 0,338 -2E+04 -0,293 -4,391 0,038 -0,069 -0,085 -0,762 0,188 -0,527
5 0,435 -0,149 -4,367 -0,109 0,336 -2E+04 -0,298 -4,365 0,081 -0,047 -0,082 -0,757 0,190 -0,598
6 0,305 -0,148 -3,361 -0,103 0,031 -2E+04 -0,297 -4,365 0,159 -0,238 -0,081 -0,756 0,197 -0,641
7 0,400 -0,148 -3,701 -0,104 0,265 -1E+04 -0,286 -4,347 0,272 -0,674 -0,075 -0,751 0,207 -0,839
8 0,240 -0,148 -4,833 -0,106 0,073 -2E+04 -0,293 -4,359 0,318 -0,955 -0,079 -0,754 0,200 -1,077
9 0,244 -0,147 -3,958 -0,108 0,202 -2E+04 -0,284 -4,338 0,371 -1,340 -0,073 -0,750 0,211 -0,904
10 0,165 -0,145 -5,004 -0,106 0,025 -2E+04 -0,279 -4,329 0,392 -1,487 -0,067 -0,748 0,225 -0,880
11 0,125 -0,146 -4,643 -0,104 0,089 -2E+04 -0,282 -4,337 0,374 -1,330 -0,069 -0,750 0,224 -0,799
12 0,113 -0,147 -3,989 -0,103 0,181 -3E+04 -0,283 -4,343 0,362 -1,100 -0,068 -0,751 0,229 -1,006
13 0,181 -0,146 -3,433 -0,102 0,260 -2E+04 -0,285 -4,349 0,394 -1,376 -0,069 -0,752 0,231 -0,880
14 0,293 -0,145 -3,128 -0,104 0,299 -3E+04 -0,287 -4,354 0,411 -1,569 -0,072 -0,754 0,226 -0,836
15 0,257 -0,144 -3,567 -0,106 0,220 -25527 -0,288 -4,342 0,436 -1,782 -0,075 -0,754 0,217 -0,709
161
Bassin/ 26430 26431 26443 26445 26458 27001 27002 27004 27020 27023 27029 27033 27035 27036
Nombre
de
donneur
1 0,731 0,136 0,194 -4,256 -0,057 0,290 -0,106 0,003 -0,708 -7569 -28 -33 0,307 -0,140
2 0,764 0,125 -0,148 -32 0,088 0,370 -0,115 -0,137 -1,251 -3880 -21 -42 0,425 -0,207
3 0,704 0,117 -0,016 -20 0,057 0,363 -0,092 -0,181 -0,380 -3340 -37 -68 0,325 -0,148
4 0,636 0,084 -0,023 -19 0,062 0,561 -0,081 -0,041 -0,929 -2785 -50 -82 0,557 -0,131
5 0,561 0,070 -0,067 -15 0,095 0,609 -0,075 0,097 -1,285 -3865 -42 -71 0,350 -0,182
6 0,576 0,052 0,041 -25 0,059 0,602 -0,081 0,196 -1,688 -4512 -46 -90 0,235 -0,210
7 0,622 0,063 0,052 -24 0,086 0,636 -0,071 0,204 -1,795 -4630 -58 -101 0,282 -0,195
8 0,661 0,078 -0,021 -32 0,087 0,644 -0,066 0,160 -2,059 -5240 -64 -97 0,129 -0,225
9 0,638 0,092 -0,080 -38 0,072 0,641 -0,068 0,239 -2,335 -5620 -62 -109 0,038 -0,233
10 0,668 0,087 -0,168 -37 0,083 0,645 -0,068 0,293 -2,438 -5885 -70 -113 0,035 -0,238
11 0,662 0,095 -0,258 -42 0,087 0,644 -0,063 0,330 -2,364 -5955 -72 -112 0,042 -0,235
12 0,644 0,096 -0,292 -47 0,094 0,639 -0,061 0,351 -2,427 -6009 -75 -116 -0,035 -0,242
13 0,626 0,092 -0,348 -48 0,105 0,637 -0,058 0,324 -2,566 -6233 -80 -122 -0,108 -0,259
14 0,615 0,083 -0,414 -46 0,107 0,630 -0,056 0,354 -2,610 -6249 -85 -127 -0,089 -0,271
15 0,625 0,074 -0,415 -45 0,112 0,636 -0,057 0,363 -2,735 -6416 -83 -125 -0,136 -0,266
161
162
162
Bassin/ 27037 27038 27040 27041 27049 27053 27055 27069 28003 28018 28030 28086 28105
Nombre
de
donneur
1 0,156 0,450 -225 -3435 -0,189 -26 -68 -2,717 0,742 -0,800 -1,002 -160 -725
2 0,136 0,605 -359 -2757 -0,173 -13 -57 -0,828 0,781 -0,807 -2,880 -171 -811
3 0,120 0,567 -609 -4080 -0,178 -9 -39 -0,332 0,735 -0,809 -2,963 -285 -1623
4 0,133 0,639 -660 -3568 -0,173 -11 -35 -0,789 0,651 -0,805 -3,267 -439 -1842
5 0,137 0,655 -611 -4704 -0,170 -15 -51 -0,972 0,589 -0,803 -3,721 -489 -2044
6 0,128 0,628 -792 -5096 -0,173 -13 -50 -0,727 0,607 -0,793 -3,527 -570 -2334
7 0,135 0,662 -894 -5613 -0,172 -18 -70 -1,205 0,560 -0,792 -2,298 -585 -2381
8 0,143 0,664 -854 -5422 -0,168 -21 -81 -1,482 0,512 -0,795 -1,748 -502 -2072
9 0,147 0,676 -790 -6005 -0,165 -19 -73 -1,263 0,503 -0,789 -1,921 -450 -1861
10 0,146 0,685 -891 -6232 -0,166 -23 -86 -1,618 0,508 -0,785 -2,006 -456 -1903
11 0,150 0,705 -899 -6207 -0,164 -25 -93 -1,734 0,509 -0,781 -2,302 -458 -1900
12 0,152 0,701 -940 -6338 -0,163 -25 -91 -1,863 0,551 -0,783 -2,303 -480 -1979
13 0,154 0,694 -1009 -6669 -0,162 -28 -101 -2,192 0,533 -0,782 -2,538 -495 -2033
14 0,156 0,705 -1058 -6917 -0,161 -30 -106 -2,447 0,523 -0,782 -2,367 -472 -2147
15 0,155 0,713 -1019 -6835 -0,161 -28 -97 -2,234 0,530 -0,783 -2,410 -507 -2066
163
163
LISTE DE RÉFÉRENCES BIBLIOGRAPHIQUES
Arnold J.G., Allen P.M. and Bernhardt G., 1993, «A comprehensive surface–groundwater
flow model». Journal of Hydrology. En ligne. Vol 142, issue 1,p :47–69.
< doi:10.1016/0022-1694(93)90004-S >. Consulté le 5 septembre 2016
Arsenault, Richard., Annie Poulin, Pascal Côté et François Brissette. (2014) «A comparaison
of stochastic optimization algorithms in hydrological model calibration». Journal of
Hydrologic. Engineering. vol 19 issue 7, 1374-1384. < 10.1061/(ASCE)HE.1943-
5584.0000938> Consulté le 15 octobre 2015
Beven K. 2006 «A manifesto for the equifinality thesis». Journal of hydrology. En ligne.
Vol 320, issue 1,p:18-36. < http://dx.doi.org/10.1016/j.jhydrol.2005.07.007 >
Consulté le 4 octobre 2016
Besaw L.E., D.M. Rizzo, P.R Bierman et W.R Hackett.2010. «Advances in ungauged
streamflow prediction using artificial neural networks». Journal of Hydrology. En
ligne. Vol 386, issue 1, p27-37, < http://dx.doi.org/10.1016/j.jhydrol.2010.02.037 >
Consulté le 22 septembre 2016
Duan, Q.Y., Gupta, V.K., Sorooshian, S. (1993). « Shuffled complex evolution approach for
effective and efficient global minimization ». Journal of Optimization Theory and
Applications, Volume 76, n°3, p. 501-521
< http://link.springer.com/article/10.1007/BF00939380 > Consulté le 5 novembre
2015.
Emerson Douglas, Aldo V Vecchia et Ann L Dahl. 2005. Evaluation of Drainage Area Ratio
Method Used to Estimate Streamflow for the Red River of the North Basin, North
Dakota and Minnesota.«Scientific Investigations Report 2005-5017». Virginia: U.S
Geological Survey, 13p
Esri. 2014. «Arc Gis: ArcHydro Toolbox, version 10.3. Logiciel. Californie(USA)L ESRI
FAO. 2016. «Base de référence mondiale». In : Organisation des Nations Unies pour
l’alimentation et l’agriculture : Portail d’information sur les sols. En ligne.
<http://www.fao.org/soils-portal/etude-des-sols/classification-des-sols/base-de-
reference-mondiale/fr/ > Consulté le 3 mars 2016
He, Y., A. Bárdossy, and E. Zehe. 2011. «A review of regionalisation for continuous
streamflow simulation», Hydrology and Earth System. Sciences. En ligne vol 15,issue
11 p 3539-3553,< http://www.hydrol-earth-syst-sci.net/15/3539/2011/hess-15-3539-
2011.pdf > Consulté le 15 juin 2015
168
Hrachowitz, M., H.H.G. Savenije, G. Blöschl, J.J. McDonnell, M. Sivapalan, J.W. Pomeroy,
B. Arheimer, T. Blume, M.P. Clark, U. Ehret, F. Fenicia, J.E. Freer, A. Gelfan, H.V.
Gupta, D.A. Hughes, R.W. Hut, A. Montanari, S. Pande, D. Tetzlaff, P.A. Troch, S.
Uhlenbrook, T. Wagener, H.C. Winsemius, R.A. Woods, E. Zehe et C. Cudennec.
2013. « A decade of Predictions in Ungauged Basins (PUB) – a review ».
Hydrological Sciences Journal, En ligne vol 58 issue 6, p, 1198–1255.
<http://dx.doi.org/10.1080/02626667.2013.803183 >. Consulté le 20 juin 2015
IMTA. [s.d]. «BANDAS». In Site intenet de l’Institut MExicaine des Technologie de l’eau.
En ligne. < https://www.imta.gob.mx/bandas > Consulté le 5 mars 2015
McIntyre, Neil., Hyosang Lee, Howard Wheater, Andy Young et Thorsten Wagener .2005.«
Ensemble predictions of runoff in ungauged catchments», Water Resources Research.
En ligne.vol, 41, issue 12 W12434.
<http://onlinelibrary.wiley.com/doi/10.1029/2005WR004289/full >. Consulté le 23
juillet 2015
Nash, J. E. et J.V. Sutcliffe. 1970. « River flow forecasting through conceptual models part I
— A discussion of principles ». Journal of Hydrology. En ligne. Vol 10 issue 3,
p :282–290. < doi:10.1016/0022-1694(70)90255-6> Consulté le 4mai 2015
Oudin, Ludovic, Vazken Andréassian, Charles Perrin, Claude Michel et Nicolas Le Moine.
2008. « Spatial proximity, physical similarity, regression and ungaged catchments: A
comparison of regionalization approaches based on 913 French catchments». Water
Resources. Research. En ligne. Vol 44 issue 3 W03413.
<http://onlinelibrary.wiley.com/doi/10.1029/2007WR006240/epdf >. Consulté le 17
juin 2015
Oudin, Ludovic, Alison Kay, Vazken Andréassian et Charles Perrin. 2010. «Are seemingly
physically similar catchments truly hydrologically similar?» Water Resources.
Research. En ligne. Vol 46 issue 11, W11558.
<http://onlinelibrary.wiley.com/doi/10.1029/2009WR008887/full >.Consulté le 15
juillet 2015
Parajka, J., Ralf Merz et Gunter Blöschl. 2005. « A comparison of regionalisation methods
for catchment model parameters», Hydrology and Earth System Sciences. En ligne,
vol , 9 issue 3 p 157–171. < http://www.hydrol-earth-syst-sci.net/9/157/2005>
Consulté le 8 juin 2015
Parajka, J., A Viglione, M Rogger., J.L Salinas, M Sivapalan et G Blöschl. 2013,
«Comparative assessment of predictions in ungauged basins – Part 1: Runoff
hydrograph studies», Hydrology and Earth System Sciences. En ligne. Vol 17 issue 5
p 1783-1795 <http://www.hydrol-earth-syst-sci.net/17/1783/2013/hess-17-1783-
2013.html >Consulté le 6 juin 2015
Razavi Tara et Paulin Coulibaly. 2013. «, Streamflow prediction in ungauged basins: Review
of regionalization methods». Journal of Hydrologic Engineering. En ligne. Vol 18
issue 8 p 958–975. <http://ascelibrary.org/doi/abs/10.1061/(ASCE)HE.1943-
5584.0000690 > Consulté le 4 juillet 2015
Reichl J. P. C., A.W. Western, N McIntyre et. F.H.S Chiew. 2009. « Optimization of a
similarity measure for estimating ungauged streamflow ». Water Resources Research.
En ligne Vol 45, issue 10 W10423,.
<http://onlinelibrary.wiley.com/doi/10.1029/2008WR007248/full> Consulté le 30
juin 2015
Schreider, S. Yu, A.J. Jakeman, J Gallant, et W.S. Merritt. 2002. «Prediction of monthly
discharge in ungauged catchments under agricultural land use in the Upper Poing
basin, northern Thailand» Mathematics and computers in simulation. En ligne. Vol
59, issue 1, p 19-33. < http://dx.doi.org/10.1016/S0378-4754(01)00390-1 >. Consulté
le 8 juin 2015
Sherman L.K., (1932), «Stream flow from rainfall by the unit-graph method». Engineering
News Record.En ligne. Vol 108, p 501-505.
<http://geomorphometry.org/content/streamflow-rainfall-unit-graph-method>
Consulté le 15 septembre 2016
Singh V.P. 1995. Computer models of watershed hydrology. 2e edition. Colorado: Water
Resources Publications, LLC,p1130
171
Singh, V.P and D.K Frevert. 2004. «Watershed Modeling» In World Water & Environmental
Resources Congress 2003. (Philadelphia, Pennsylvania, June 23-26, 2003.) pp. 1-37.
ASCE
Sivapalan, M., K Takeuchi, S.W Franks, V.K Gupta, H Karambiri, V Lakshmi, X Liang, J.J.
McDonnell, E.M Mendiondo, P.E O’Connell, T Oki, J.W Pomeroy, D. Schertzer, S
Uhlenbrook et E. Zehe. 2003. « IAHS Decade on Predictions in Ungauged Basins
(PUB), 2003-2012: Shaping an exciting future for the hydrological sciences»
Hydrological Sciences Journal. En ligne. Vol 48 issue 6, p 857-880.
< http://www.tandfonline.com/doi/abs/10.1623/hysj.48.6.857.51421 > Consulté le 26
mai 2015
Velazquez Juan Alberto, Magali Troin et Daniel Caya. 2015. «Hydrological Modeling of the
Tampaon River in the Context of Climate Change». TECNOLOGIA Y CIENCIAS
DEL AGUA. En ligne. Vol 6 issue 5, p17-30.
< http://www.scielo.org.mx/pdf/tca/v6n5/v6n5a2.pdf > Consulté le 26 octobre 2015
Viviroli Daniel, Heidi Mittelbach, Joachim Gurtz et Rolf Weingartner. 2009. «Continuous
simulation for flood estimation in ungauged mesoscale catchments of Switzerland-
Part II: Parameter regionalisation and flood estimation results». Jounal of hydrology.
En ligne. Vol 377 issu1, p 208-225.
< http://dx.doi.org/10.1016/j.jhydrol.2009.08.022>. Consulté le 24 juin 2015
Wagener Thorsten, Murugesu Sivapalan, Peter Troch et Ross Woods. 2007. «Catchment
classification and Hydrologic Similarity». Geography Compass. En ligne, vol 1 issue
4, p901-931. <http://onlinelibrary.wiley.com/doi/10.1111/j.1749-
8198.2007.00039.x/full > Consulté le 22 mai 2015
Wheater H.S., A.J Jakeman, K.J Beven, M.B. Beck et M.J McAleer.1993. «Progress and
directions in rainfall-runoff modelling». Modelling change in environmental systems,
New York, pp. 101-132.
172
Wheater, H.S. 2002. « Progress in and prospects for fluvial flood modelling».
PhilosophicalTransactions of the Royal Society of London, Series A-Mathematical
Physical and Engineering Sciences. En ligne Vol 360 issue 1796, p1409-1431.
< http://rsta.royalsocietypublishing.org/content/360/1796/1409 > Consulté le 8 juillet
2016
Zhang, Y., et F. H. S Chiew. 2009. «Relative merits of different methods for runoff
predictions in ungauged catchments» Water Resources Research. En ligne.Vol 45
issue 7, W07412, < http://dx.doi.org/10.1029/2008WR007504 > Consulté le 12 juillet
2015